論文の概要: Hierarchical Building-Floo-Room Framework for Privacy-Preserving Autonomous Delivery in Large-Scale Buildings
- arxiv url: http://arxiv.org/abs/2610.21361v1
- Date: Thu, 15 Oct 2026 06:39:52 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-16 19:13:16.234148
- Title: Hierarchical Building-Floo-Room Framework for Privacy-Preserving Autonomous Delivery in Large-Scale Buildings
- Title（参考訳）: 大規模建築物におけるプライバシ保護型自律配送のための階層型ビル・フロア・ルーム・フレームワーク
- Abstract要約: 本稿では,ビル・フロア・ルームの抽象化に基づく階層型デリバリフレームワークを提案する。
静電容量化車両ルーティング問題(CVRP)の拡張を意識した建物を定式化する。
我々は,非インタラクティブなプライバシ保護配信のための新しいハードウェア設計を導入し,到達可能性を認識し,ループマッピング,ローカライゼーション,ナビゲーションシステムを提案する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Autonomous delivery in large scale buildings requires coordinated planning across multiple spatial levels, including building, floor, and room, while ensuring scheduling efficiency. Existing methods often focus solely on algorithmic development, neglecting integration with physical robotic platforms, and rarely validate performance in real world scenarios. Many approaches also overlook hierarchical building structures and room level privacy constraints, limiting practical applicability. To address these challenges, this paper presents a hierarchical delivery framework based on a Building-Floor-Room abstraction, which decomposes the problem across multiple levels to significantly reduce optimization complexity. We formulate a building aware extension of the capacitated vehicle routing problem (CVRP) that explicitly models inter building and inter floor connectivity, room level access constraints, and privacy sensitive areas, enabling globally feasible and privacy compliant task assignment and routing. Based on this hierarchical model, the framework can evaluate delivery efficiency across different building layouts and optimize depot placement for specific configurations. At the execution level, we introduce a novel hardware design for non interactive, privacy preserving delivery, supported by reachability aware distances and a closed loop mapping, localization, and navigation system, ensuring consistency between planned routes and physical navigation. The proposed framework is validated on a real multi sensor robotic platform, demonstrating reliable multi floor delivery with improved path rationality and overall efficiency.
- Abstract（参考訳）: 大規模建物における自律的なデリバリには、スケジューリング効率を確保しつつ、建物、床、部屋を含む複数の空間レベルにわたる協調的な計画が必要である。
既存の手法はアルゴリズム開発にのみ焦点を合わせ、物理ロボットプラットフォームとの統合を無視し、現実のシナリオでの性能を検証することは滅多にない。
多くのアプローチは、階層的な構造と部屋レベルのプライバシー制約を見落とし、実用的な適用性を制限する。
これらの課題に対処するために,ビル・フロア・ルームの抽象化に基づく階層的デリバリフレームワークを提案する。
ビル間およびフロア間の接続、ルームレベルのアクセス制約、およびプライバシーに配慮した領域を明示的にモデル化し、グローバルに実現可能かつプライバシーに準拠したタスク割り当てとルーティングを可能にするCVRP(Capacitated Vehicle routing problem)の拡張を定式化する。
この階層モデルに基づいて、このフレームワークは、異なるビルレイアウトにわたるデリバリ効率を評価し、特定の構成に対するデポ配置を最適化することができる。
実行レベルでは、非インタラクティブなプライバシ保護配信のための新しいハードウェア設計を導入し、到達可能性認識距離と閉ループマッピング、ローカライゼーション、ナビゲーションシステムをサポートし、計画されたルートと物理ナビゲーションの整合性を確保する。
提案フレームワークは実際のマルチセンサロボットプラットフォーム上で検証され,経路合理性と全体的な効率性を向上した信頼性の高いマルチフロアデリバリが実証された。
関連論文リスト
- Advancing Omnimodal Embodied Agents from Isolated Skills to Everyday Physical Autonomy [79.09714980186278]
非構造化環境で永続的なエンボディエージェントを構築するには、異種ツールの統一的なオーケストレーションが必要である。
我々は,多モーダルなセマンティックプランナを統合したフレームワークであるOmniActを紹介した。
すべての複雑性レベルにわたって、エンドツーエンドの成功において一貫した改善が達成されます。
論文 参考訳（メタデータ） (2026-06-25T16:36:35Z) - Learning Reactive Dexterous Grasping via Hierarchical Task-Space RL Planning and Joint-Space QP Control [50.28263951510334]
本稿では,リアクティブなデクスタリーグルーピングのためのハイブリッド階層型制御フレームワークを提案する。
提案手法は,低レベル共同実行から高レベル空間意図を明示的に分離する。
我々は厳密なシミュレーションと現実のパイプラインを通して提案したフレームワークを広範囲に検証する。
論文 参考訳（メタデータ） (2026-05-05T04:49:38Z) - Navigating the Clutter: Waypoint-Based Bi-Level Planning for Multi-Robot Systems [54.887871365121775]
乱雑な環境におけるマルチロボット制御は、複雑な物理的制約を伴う難しい問題である。
タスクとモーションプランニングを協調的に最適化するハイブリッドマルチロボット制御フレームワークを提案する。
我々のアプローチは、動作に依存しないベースラインとVLAベースのベースラインよりもタスクの成功を継続的に改善する。
論文 参考訳（メタデータ） (2026-04-22T22:58:47Z) - Line-of-Sight-Constrained Multi-Robot Mapless Navigation via Polygonal Visible Regions [34.42294321573021]
本稿では,未知の障害物を持つマルチロボットナビゲーションにおけるライン・オブ・ビュー(LoS)接続性維持問題について検討する。
本稿では,各ロボットがリアルタイムLiDARスキャンに基づいて,自我中心の可視領域のみを構築するという,本質的に分散したアプローチを提案する。
その結果,障害物が散らばった環境においてロボット間のLoS接続性を確実に維持できることが示唆された。
論文 参考訳（メタデータ） (2026-03-27T11:33:25Z) - OmniPlanner: Universal Exploration and Inspection Path Planning across Robot Morphologies [13.982169714862648]
この記事では、空中、地上、水中ロボットを横断する自律探査および検査のための統合計画フレームワークであるOmniPlannerについて述べる。
この手法は、単一のモジュラーアーキテクチャ内での目標到達行動と並行して、体積探索と視点に基づく検査を統合する。
この枠組みは、地下の鉱山、工業施設、森林、潜水艦バンカー、構造物の屋外環境における広範なシミュレーション研究と現地展開を通じて検証されている。
論文 参考訳（メタデータ） (2026-03-04T17:02:26Z) - Hierarchical Trajectory Planning of Floating-Base Multi-Link Robot for Maneuvering in Confined Environments [9.325443556436436]
浮動小数点浮動小数点浮動小数点浮動小数点浮動小数点浮動小数点浮動小数点浮動小数点浮動小数点浮動小数点浮動小数点浮動小数点浮動小数点浮動小数点浮動小数点浮動小数点浮動小数点浮動小数点浮動
本研究は,グローバルガイダンスと設定対応ローカル最適化を統合した階層的軌道計画フレームワークを導入する。
我々の知る限りでは、これは実際のロボットで実証された浮動小数点移動型マルチリンクロボットのための最初の計画フレームワークである。
論文 参考訳（メタデータ） (2026-02-25T22:49:54Z) - A Unified Experimental Architecture for Informative Path Planning: from Simulation to Deployment with GuadalPlanner [69.43049144653882]
本稿では,車種別制御から高レベルの意思決定を分離する統一アーキテクチャを提案する。
提案アーキテクチャは、計画、センシング、車両実行の標準化されたインターフェースを定義するGuaralPlannerを通じて実現されている。
論文 参考訳（メタデータ） (2026-02-11T10:02:31Z) - TodoEvolve: Learning to Architect Agent Planning Systems [68.48983335970901]
TodoEvolveは、タスク固有の計画を自律的に合成し、動的に修正するメタプランニングパラダイムである。
PlanFactoryは異種計画パターンの共通インターフェースを提供する。
TodoEvolveは、経済的なAPIコストとランタイムオーバーヘッドを維持しながら、慎重に設計された計画モジュールを一貫して上回っている。
論文 参考訳（メタデータ） (2026-02-08T06:37:01Z) - Structural Induced Exploration for Balanced and Scalable Multi-Robot Path Planning [6.823580643749891]
マルチロボット経路計画は、その複雑さと、ロボット間の公平なタスク割り当てとグローバル効率のバランスをとる必要があるため、基本的な課題である。
従来のSwarmインテリジェンス手法は、小さなインスタンスでは有効だが、しばしば早めに収束し、複雑な環境にスケールするのに苦労する。
アリコロニー最適化(ACO)の探索プロセスに構造先行を組み込んだ構造誘発探索フレームワークを提案する。
論文 参考訳（メタデータ） (2025-12-25T12:53:24Z) - A Coalition Game for On-demand Multi-modal 3D Automated Delivery System [4.378407481656902]
都市環境におけるラストマイル配送に対処するため、2つのオーバーレイネットワークで運用するUAVとADRの連合ゲームを導入する。
戦略的協調が全体のルーティング効率をいかに向上させるかを把握するためのモード間の協調構造について検討する。
ミシサガ市におけるケーススタディの結果から,ラストマイル配送の応用に関するいくつかの数値実験が実施されている。
論文 参考訳（メタデータ） (2024-12-23T03:50:29Z) - Goal Kernel Planning: Linearly-Solvable Non-Markovian Policies for Logical Tasks with Goal-Conditioned Options [54.40780660868349]
我々はLinearly-Solvable Goal Kernel Dynamic Programming (LS-GKDP)と呼ばれる合成フレームワークを導入する。
LS-GKDPは、Linearly-Solvable Markov Decision Process (LMDP)形式とOptions Framework of Reinforcement Learningを組み合わせたものである。
本稿では,目標カーネルを持つLMDPが,タスク接地によって定義された低次元部分空間におけるメタポリティシの効率的な最適化を実現する方法を示す。
論文 参考訳（メタデータ） (2020-07-06T05:13:20Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。