論文の概要: Dispersive Tree Agreements for Multi-Robot Coordination
- arxiv url: http://arxiv.org/abs/2610.31540v1
- Date: Thu, 22 Oct 2026 16:48:09 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-24 02:08:44.483596
- Title: Dispersive Tree Agreements for Multi-Robot Coordination
- Title（参考訳）: マルチロボット協調のための分散木契約
- Abstract要約: 本稿では,任意のプロセスとして共同最適化にアプローチする分散リアルタイムプランナを開発する。
搭載予定の6台のロボットのハードウェア実験は、実際の実装性を示している。
- 参考スコア（独自算出の注目度）: 13.764545829425904
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Multi-robot coordination of nonlinear systems is naturally formulated as joint-space optimal control subject to constraints over groups of robots. Existing methods that approach joint optimality remain largely centralized, offline, and confined to collision-free motion planning, while decentralized, real-time counterparts target safe navigation without pursuing the joint optimum. This paper develops a decentralized, real-time planner that approaches the joint optimum as an anytime process. We extend a recent single-robot framework that searches dispersive trees of forward-propagated commands for differentially flat systems to coordinate a multi-robot team near-optimally. We first show that the inter-robot coupling can be effectively replaced by some local constraints, under which locally grown dispersive trees contain a near-optimal agreement. It is this structure that the robots pursue by decentralized column generation, negotiating rents on the shared space that guide the search of each robot's tree. The negotiation settles on an agreement whose near-optimality is certified at quiescence. Our protocol, WarpWeaver, implements this negotiation as an asynchronous real-time loop over a receding horizon, and demonstrates effective closure to quiesced agreements even when real-time deadlines cut the negotiation short. In simulation, WarpWeaver reduces total travel time by up to 22% against centralized offline planners on the Dynobench suite and by up to 37% against a decentralized real-time baseline, and nearly doubles the success rate of a task-specific planner on graph connectivity. Hardware experiments on six robots planning onboard demonstrate real-world implementability.
- Abstract（参考訳）: 非線形システムのマルチロボット協調は, ロボット群に対する制約を考慮した共同空間最適制御として自然に定式化されている。
関節最適性にアプローチする既存の方法は、主に集中的でオフラインであり、衝突のない運動計画に限られている。
本稿では,任意のプロセスとして共同最適化にアプローチする分散リアルタイムプランナを開発する。
我々は,複数ロボットチームをほぼ最適に調整するために,異なるフラットなシステムに対して,前方プロパゲーションコマンドの分散木を探索する,最近のシングルロボットフレームワークを拡張した。
まず,ロボット間結合は局所的な制約によって効果的に置き換えられることを示す。
ロボットが分散列生成によって追求する構造であり、各ロボットの木の探索を導く共有空間における借地交渉を行う。
交渉は、クイセンス時にほぼ最適性が認定された合意に基づいて決着する。
当社のプロトコルであるWarpWeaverは,この交渉を,遅延する地平線上の非同期リアルタイムループとして実装し,リアルタイム期限が交渉を短縮した場合でも,合意書を効果的に閉鎖することを示す。
WarpWeaverは、Dynobenchスイート上の集中的なオフラインプランナーに対して最大22%、分散化されたリアルタイムベースラインに対して最大37%、グラフ接続におけるタスク固有のプランナーの成功率をほぼ2倍に削減する。
搭載予定の6台のロボットのハードウェア実験は、実際の実装性を示している。
関連論文リスト
- Pass the Bucket: Efficient, Robust, Local Load Balancing for Teams of Heterogeneous Robots [2.0329663822294926]
異種ロボット群を対象とした分散的自己組織型タスク共有の課題について検討する。
負荷分散のためのEmphbucket旅団の簡易かつ効果的な機構に関する理論的,実践的な結果を示す。
論文 参考訳（メタデータ） (2026-08-27T13:09:45Z) - Socially Consistent Multi-Robot Navigation Using Decoupled Planning and Trajectory Coordination [0.0]
人間中心の環境における移動ロボットの正常な統合には、安全かつ効率的なナビゲーションが必要である。
本稿では,予測可能かつ社会的に一貫したマルチロボット動作を生成する部分分散フレームワークを提案する。
論文 参考訳（メタデータ） (2026-07-22T22:38:07Z) - Curvature-Constrained and Constant-Speed Distributed Simultaneous Arrival Control for Multi-Robot Systems [37.30408009317727]
複数の移動ロボットを目標地点に同時到着させることは、協調的な囲い込み、災害救助、環境モニタリングといった協調作業に不可欠である。
本稿では,最大コンセンサスプロトコルに基づく分散スイッチング制御手法を提案する。
提案した制御法の下では,各ロボットは隣接ロボットの最大仮想時間に近づき,軽度条件下での同時到着を実現する。
論文 参考訳（メタデータ） (2026-07-16T09:59:16Z) - From Real-Time Planning to Reliable Execution:Scalable Coordination for Heterogeneous Multi-Robot Fleets in Industrial Environments [1.4860612474543247]
本稿では、ロバストな実行を維持しながらリアルタイム計画を可能にする、リアクティブなオンライン協調フレームワークを提案する。
本稿では,オンラインコンフリクト解決のための実現可能なパスのオンライン生成を支援するために,動作によるコンフリクト低減機構を導入する。
乱れの影響を軽減するため、一般化された共役行動-先行ハイパーグラフを設計する。
論文 参考訳（メタデータ） (2026-07-01T08:16:19Z) - CHORUS: Decentralized Multi-Embodiment Collaboration with One VLA Policy [67.76658561040625]
CHORUSは、多様なマルチロボットチームを制御するために、単一のビジョン言語アクション(VLA)バックボーンに適応するフレームワークである。
実験では、CHORUSは分散化されたスクラッチモデルよりも64%のポイント改善を実現している。
その結果,共有VLAバックボーンは分散マルチロボットコラボレーションを実現することができることがわかった。
論文 参考訳（メタデータ） (2026-06-10T17:26:08Z) - Simulation-Informed Diffusion for Decentralized Multi-robot Motion Planning [56.240199425429445]
マルチロボットモーションプランニングでは、各ロボットが局所的な観測から衝突のない軌道を生成する必要がある。
既存のほとんどのプランナは、ローカル観測の静的スナップショットからトラジェクトリを生成する。
本稿では,制約対応拡散モデルに基づく分散フレームワークであるSimulation-Informed Diffusion (SID)を紹介する。
論文 参考訳（メタデータ） (2026-05-26T21:17:53Z) - 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) - Generalizability of Graph Neural Networks for Decentralized Unlabeled Motion Planning [72.86540018081531]
ラベルなしの動作計画では、衝突回避を確保しながら、ロボットのセットを目標の場所に割り当てる。
この問題は、探査、監視、輸送などの応用において、マルチロボットシステムにとって不可欠なビルディングブロックを形成している。
この問題に対処するために、各ロボットは、その400ドルのアネレストロボットと$k$アネレストターゲットの位置のみを知っている分散環境で対処する。
論文 参考訳（メタデータ） (2024-09-29T23:57:25Z) - A Scalable Multi-Robot Framework for Decentralized and Asynchronous Perception-Action-Communication Loops [72.1902268440158]
グローバルな目的を達成するため,大規模なロボット群における協調作業は,大規模環境における課題である。
ロボットはパーセプション・アクション・コミュニケーションループを実行し、ローカル環境を認識し、他のロボットと通信し、リアルタイムで行動を起こす必要がある。
近年では、フロッキングやカバレッジ制御などのアプリケーションでグラフニューラルネットワーク(GNN)を使用してこの問題に対処している。
本稿では、分散化されたGNNを用いてナビゲーション動作を計算し、通信のためのメッセージを生成するロボット群における非同期PACフレームワークを提案する。
論文 参考訳（メタデータ） (2023-09-18T21:20:50Z) - Distributing Collaborative Multi-Robot Planning with Gaussian Belief
Propagation [13.65857209749568]
本稿では、動的制約と衝突制約を定義する汎用因子グラフに基づく、新しい純粋分散手法を実証する。
本手法は, 道路交通シミュレーションシナリオにおいて, 極めて高性能な協調計画を可能にすることを示す。
論文 参考訳（メタデータ） (2022-03-22T11:13:36Z) - SABER: Data-Driven Motion Planner for Autonomously Navigating
Heterogeneous Robots [112.2491765424719]
我々は、データ駆動型アプローチを用いて、異種ロボットチームをグローバルな目標に向けてナビゲートする、エンドツーエンドのオンラインモーションプランニングフレームワークを提案する。
モデル予測制御(SMPC)を用いて,ロボット力学を満たす制御入力を計算し,障害物回避時の不確実性を考慮した。
リカレントニューラルネットワークは、SMPC有限時間地平線解における将来の状態の不確かさを素早く推定するために用いられる。
ディープQ学習エージェントがハイレベルパスプランナーとして機能し、SMPCにロボットを望ましいグローバルな目標に向けて移動させる目標位置を提供する。
論文 参考訳（メタデータ） (2021-08-03T02:56:21Z)
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。