論文の概要: Robot-Task Suitability in Heterogeneous Multi-Robot Task Allocation

• arxiv url: http://arxiv.org/abs/2610.27504v1
• Date: Tue, 20 Oct 2026 02:20:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-21 21:58:47.586657
• Title: Robot-Task Suitability in Heterogeneous Multi-Robot Task Allocation
• Title（参考訳）: 不均一なマルチロボットタスクアロケーションにおけるロボットタスクの適合性
• Abstract要約: ルールベース,類似性ベース,要件指向,ファジィ,セマンティックアプローチにまたがる10の決定論的手法と2つのLLMに基づく変種を比較した。 一般的なロボットとタスクプロファイルを用いて、候補ロボットのスコアとランク付け方法を比較し、実現可能性を特定し、トップロボットを選択する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Heterogeneous multi-robot task allocation depends on estimates of how suitable individual robots are for candidate tasks, yet suitability can be defined in substantially different ways. We compare ten deterministic methods and two LLM-based variants spanning rule-based, similarity-based, requirement-oriented, fuzzy, and semantic approaches. Using common robot and task profiles, we compare how the methods score and rank candidate robots, identify feasibility, and select a top robot, while examining how these outcomes change with team composition, scale, spatial context, capability uncertainty, and task representation. The methods frequently disagree despite operating on identical scenarios. Generic similarity measures can violate properties expected under a one-sided requirement-satisfaction interpretation of suitability, while LLM-based scoring introduces additional stochastic and linguistic sensitivity. These results show that robot--task suitability should be treated as an explicit modeling choice whose assumptions, robustness, and decision-level consequences should be considered before allocation.
• Abstract（参考訳）: 不均一なマルチロボットタスク割り当ては、個々のロボットが候補タスクにどの程度適しているかの見積もりに依存するが、かなり異なる方法で適合性を定義することができる。 ルールベース,類似性ベース,要件指向,ファジィ,セマンティックアプローチにまたがる10の決定論的手法と2つのLLMに基づく変種を比較した。 一般的なロボットとタスクプロファイルを用いて,提案手法が候補ロボットのスコアとランク付けを行い,実現可能性を特定し,上位ロボットを選択し,これらの結果がチーム構成,スケール,空間的コンテキスト,能力の不確実性,タスク表現によってどのように変化するかを検討した。 この方法は同一のシナリオで運用されているにもかかわらず、しばしば一致しない。 汎用的類似度尺度は、一方的な要求満足度解釈の下で期待される特性に反する可能性があるが、LCMに基づくスコアリングでは、さらなる確率的および言語的感度が導入された。 これらの結果から,ロボット・タスク適合性は,仮定,頑健性,決定レベルの結果が割り当てられる前に考慮すべき明示的なモデリング選択として扱われるべきであることが示唆された。

関連論文リスト

• $τ_0$-VLA: a Hierarchical Robot Foundation Model with World-Model-Guided Test-Time Computation [51.05516457377339]
  ロングホライズンロボットの操作には、ロボットが個々のスキルを確実に実行し、拡張されたタスクに対してそれらを一貫性を持ってシーケンスする必要がある。 計算スケーリング可能な推論問題として高レベルサブタスク生成を定式化する階層型ロボット基盤モデルである$_0$-VLAを導入する。 低レベルポリシーは、生成されたサブタスクを複数のロボットエンボディメントにわたって実行する。
  論文  参考訳（メタデータ） (2026-08-17T17:59:11Z)
• RoboWits: Unexpected Challenges for Robotic Creative Problem Solving [58.58727722988084]
  我々は、認知的推論、創造的ツールの使用、予期しない状況に対する堅牢性を評価するために設計された、双方向のロボットベンチマークであるRoboWitsを紹介する。 このパイプラインを用いて,30種類の種タスクと208のタスクを,幾何学的,物質的,集合的推論にまたがる変異と難易度でキュレートした。 プレトレーニングされたVLAは,単一タスクの微調整後にシードタスクに予備的な成功を示すが,変異タスクの実行に苦慮している。
  論文  参考訳（メタデータ） (2026-05-28T17:57:15Z)
• Learning specifications for reactive synthesis with safety constraints [9.76292270520872]
  我々は、潜在タスクを確率的形式言語としてモデル化し、適切な反応合成フレームワークを導入する。 既存のエビデンス駆動のステートアルゴリズムをマージし、学習プロセス全体を通して安全性要件を取り入れます。 本手法は,ロボットと環境の相互作用を動的変化を考慮した2人プレイヤゲームとしてモデル化する。
  論文  参考訳（メタデータ） (2026-01-09T05:17:45Z)
• Optimal Scalability-Aware Allocation of Swarm Robots: From Linear to Retrograde Performance via Marginal Gains [3.5232085374661284]
  集合システムでは、利用可能なエージェントは、集合的なパフォーマンスを最大化するためにタスク間で割り当てられなければならない限られたリソースである。 本稿では, 線形化, 飽和化, 逆行スケーリングなど, 拡張性のあるタスクにエージェントを最適に割り当てるアルゴリズムを提案する。 本手法は,次世代マルチロボットシステムの展開を推し進めることを目的としている。
  論文  参考訳（メタデータ） (2025-12-29T12:50:56Z)
• Mechanistic Finetuning of Vision-Language-Action Models via Few-Shot Demonstrations [76.79742393097358]
  Vision-Language Action (VLA)モデルは、視覚言語モデル(VLM)をロボット工学に拡張することを約束している。 既存の微調整手法には特異性がなく、タスクの視覚的、言語的、物理的特性に関わらず、同じパラメータセットを適用する。 神経科学における機能的特異性に触発されて、与えられたタスクに特有のスパースモデル表現を微調整することがより効果的である、という仮説を立てる。
  論文  参考訳（メタデータ） (2025-11-27T18:50:21Z)
• Adaptive Bi-Level Multi-Robot Task Allocation and Learning under Uncertainty with Temporal Logic Constraints [5.329682333337303]
  この研究は、未知のロボット遷移モデルの下でのマルチロボット協調の問題に対処する。 本稿では,ハイレベルなタスクアロケーションと低レベルな分散ポリシ学習と実行を統合した双方向フレームワークを提案する。 提案アルゴリズムを理論的に検証し,課題割り当てが所望の確率閾値を高い信頼性で満たすことを示す。
  論文  参考訳（メタデータ） (2025-02-14T10:39:21Z)
• Interactive Planning Using Large Language Models for Partially Observable Robotics Tasks [54.60571399091711]
  大きな言語モデル(LLM)は、オープン語彙タスクを実行するロボットエージェントを作成することで、驚くべき成果を上げている。 LLMを用いた部分的に観測可能なタスクのための対話型計画手法を提案する。
  論文  参考訳（メタデータ） (2023-12-11T22:54:44Z)
• Ranking a Set of Objects using Heterogeneous Workers: QUITE an Easy Problem [54.90613714264689]
  我々は、不平等労働者の群れによって提供されるノイズの多いペア比較の集合から始まる、$N$オブジェクトのランク付けの問題に焦点をあてる。 本研究では,作業者の信頼性とオブジェクトの品質を共同で推定する非適応的ランキングアルゴリズムQUITEを提案する。
  論文  参考訳（メタデータ） (2023-10-03T12:42:13Z)
• Distributed Mission Planning of Complex Tasks for Heterogeneous Multi-Robot Teams [2.329625852490423]
  異種多ロボットチームのための複雑なミッション計画のための分散多段階最適化手法を提案する。 提案手法は、ミッション目標を定義する階層木として表される、ミッションの多目的探索を含む。 提案手法は,利用可能なロボットと与えられた最適化基準に応じて,計画戦略に適応する能力を示す。
  論文  参考訳（メタデータ） (2021-09-21T11:36:11Z)
• Bayesian Meta-Learning for Few-Shot Policy Adaptation Across Robotic Platforms [60.59764170868101]
  強化学習手法は、重要な性能を達成できるが、同じロボットプラットフォームで収集される大量のトレーニングデータを必要とする。 私たちはそれを、さまざまなロボットプラットフォームで共有される共通の構造を捉えるモデルを見つけることを目標とする、数ショットのメタラーニング問題として定式化します。 我々は,400個のロボットを用いて,実ロボットピッキング作業とシミュレーションリーチの枠組みを実験的に評価した。
  論文  参考訳（メタデータ） (2021-03-05T14:16:20Z)
• Explainable robotic systems: Understanding goal-driven actions in a reinforcement learning scenario [1.671353192305391]
  強化学習のシナリオでは、データ駆動アプローチによる説明の提供に多くの努力が注がれている。 本研究では,ロボットシナリオにおけるタスクを実行する強化学習エージェントの意思決定プロセスに焦点をあてる。 我々は、メモリベース、学習ベース、イントロスペクションベースの3つの異なるアプローチによって計算される成功確率を利用する。
  論文  参考訳（メタデータ） (2020-06-24T10:51:14Z)

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。