論文の概要: MATE-BT: A Behavior-Tree-Based Framework for Hierarchically Decentralized Mission Autonomy in Heterogeneous Multi-Robot Teams
- arxiv url: http://arxiv.org/abs/2610.35429v1
- Date: Mon, 26 Oct 2026 13:34:13 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-27 22:27:14.012529
- Title: MATE-BT: A Behavior-Tree-Based Framework for Hierarchically Decentralized Mission Autonomy in Heterogeneous Multi-Robot Teams
- Title（参考訳）: MATE-BT: 異種多人数チームにおける階層的分散ミッション自律のための行動トレーベースフレームワーク
- Abstract要約: MATE-BTは、ミッションの実行、アロケーション、タスク実行を分離する階層的な分散フレームワークである。
アクティブなオンボードリーダーは、ミッション進行とチームレベルのタスク割り当てを管理し、障害後の別のリーダ対応ロボットに権限を移譲することができる。
Webotsシミュレーションと実ロボット実験は、新しい目標やロボットの失敗にもかかわらずミッション継続性を実証する。
- 参考スコア（独自算出の注目度）: 1.12462501975977
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Multi-robot teams executing predefined missions must adapt to runtime changes and sustain mission management despite robot failures. This paper proposes MATE-BT (Mission, Allocation, and Task Execution with Behavior Trees), a hierarchically decentralized framework that separates mission execution, allocation, and task execution. An active onboard leader manages mission progression and team-level task assignment, with authority transferable to another leader-capable robot after failure. Interchangeable decentralized methods resolve target assignments, while each robot adapts its local behavior through planning and acting with behavior trees. Webots simulations and real-robot experiments demonstrate mission continuity despite new targets and robot failures, including active-leader failure. In the physical experiments, all MATE-BT computation runs onboard. Hardware-in-the-loop resource measurements further support onboard execution on Jetson Orin Nano and Raspberry Pi 5. By updating only the affected layers without full-plan regeneration, MATE-BT maintained a response time of approximately 130 ms with 30 robots and 120 targets. Comparisons of four target-assignment plugins reveal scenario-dependent trade-offs between mission completion time and total travel distance.
- Abstract（参考訳）: 事前に定義されたミッションを実行するマルチロボットチームは、実行時の変化に適応し、ロボットの失敗にもかかわらずミッション管理を維持する必要がある。
本稿では、ミッション実行、アロケーション、タスク実行を分離する階層的な分散フレームワークであるMATE-BT(Mission, Allocation, and Task Execution with Behavior Trees)を提案する。
アクティブなオンボードリーダーは、ミッション進行とチームレベルのタスク割り当てを管理し、障害後の別のリーダ対応ロボットに権限を移譲することができる。
インターチェンジ可能な分散化手法は目標の割り当てを解決し,各ロボットは,行動木を計画し,行動木で行動することによって,その局所的な行動に適応する。
Webotsシミュレーションと実ロボット実験は、新しい目標やアクティブなリーダの失敗を含むロボットの失敗にもかかわらず、ミッションの継続性を実証する。
物理実験では、全てのMATE-BT計算がオンで実行される。
ハードウェア・イン・ザ・ループのリソース測定は、Jetson Orin NanoとRaspberry Pi 5のオンボード実行をさらにサポートする。
MATE-BTは、被害層のみをフルプランで更新することで、約130msの応答時間と30のロボット、120の目標を維持した。
4つの目標割り当てプラグインの比較により,ミッション完了時間と全走行距離とのシナリオ依存のトレードオフが明らかになった。
関連論文リスト
- TARSphere: A Robot-Oriented Full-Stack Framework for Long-Horizon Embodied Agents in Evolving Physical and Social Environments [38.2035672571652]
TARSphereは、物理的および社会的に接地されたエンボディエージェントのための、ロボット指向のフルスタックフレームワークである。
TARSphere-Harnessは、凍ったマルチモーダルな大規模言語モデル(MLLM)をマルチレベル実行スキルを通じて動作させる。
5つのペア条件は、知覚的堅牢性、障害適応、タスク更新、人間の調整、ナビゲーション・アンド・レポートおよびフェッチ・アンド・デリバリタスクに対する意図的理解を評価する。
論文 参考訳（メタデータ） (2026-10-21T17:02:52Z) - From VLM Planners to Robotic Agents: Self-Evolving Harnesses for History-Dependent Manipulation [90.66992093913662]
長距離タスクはマルコフに依存しない。
低レベルの実行から高レベルの計画を切り離す階層アーキテクチャを導入します。
本稿では,SERA(Self-Evolving Robotic Agent)として,VLAエグゼキュータを固定した手法を提案する。
論文 参考訳（メタデータ） (2026-10-21T10:49:49Z) - AVALON: Zero-Shot Indoor Navigation with Human-Seeded Topological Memory [4.416249015503668]
サービスロボットは、既にユーザにとって馴染みのあるレイアウトやタスクの制約がある、マップされていない建物に入ることが多い。
AVALONというトポロジカルナビゲーションフレームワークは,人為的空間記憶を中心に構成されている。
ビジュアルディープ・ポイントゴールナビゲーションは、検証されたノード到着を利用して、ロボットが構築したグローバルSLAMマップを必要とせずに翻訳的再編成を行う。
論文 参考訳（メタデータ） (2026-10-15T09:33:04Z) - Physical Agentic AI: An Architecture for Orchestrating a Robot Crew with LLMs [6.2312877626161205]
本稿では,スキルグラウンドロボットエージェントオーケストレーションのためのフレームワークであるPhysical Agentic AIを紹介する。
ロボットオーケストレーションレイヤは、スキルライブラリ、ロボット状態、名前付きロケーション、ワークフローコントラクトを非アクチュエータミッションプランナに公開する。
我々は,ガゼボで全条件で全ミッションが実行され,ドローン-UGV検索・ディスパッチミッションを評価する。
論文 参考訳（メタデータ） (2026-08-23T23:35:31Z) - Reducing Mental Workload through On-Demand Human Assistance for Physical Action Failures in LLM-based Multi-Robot Coordination [6.763690463901024]
本研究では,リモートエラー解決をマルチロボット計画に統合するヒューマン・イン・ザ・ループ・フレームワークを提案する。
この方法では、ロボットは自律的にタスクを実行するが、発見不可能な障害が発生した場合、LLMはオペレーターに支援を要求する。
簡単に収集可能なアイテムを収集するために、フルリモートコントロールと同等のタスクの進捗を達成した。
論文 参考訳（メタデータ） (2026-03-30T08:21:04Z) - Heterogeneous Robot Collaboration in Unstructured Environments with Grounded Generative Intelligence [54.91177026001217]
大規模言語モデル(LLM)対応のチーム化手法は、よく構造化された既知の環境を前提とするのが一般的である。
異種ロボットチームにおけるLCMの推論能力を基盤として,これらの制約に対処するフレームワークであるSPINE-HTを提案する。
我々のフレームワークは、従来のLLM対応の不均一なチームリング手法と比較して、ほぼ2倍の成功率を達成する。
論文 参考訳（メタデータ） (2025-10-30T18:24:38Z) - REMAC: Self-Reflective and Self-Evolving Multi-Agent Collaboration for Long-Horizon Robot Manipulation [57.628771707989166]
本稿では,ReMACと呼ばれる適応型マルチエージェント計画フレームワークを提案する。
ReMACには2つの重要なモジュールが組み込まれており、ループ内で事前条件と後条件チェックを実行し、進捗と計画の洗練を評価する。
論文 参考訳（メタデータ） (2025-03-28T03:51:40Z) - COHERENT: Collaboration of Heterogeneous Multi-Robot System with Large Language Models [49.24666980374751]
COHERENTは、異種マルチロボットシステムの協調のための新しいLCMベースのタスク計画フレームワークである。
提案-実行-フィードバック-調整機構は,個々のロボットに対して動作を分解・割り当てするように設計されている。
実験の結果,我々の研究は,成功率と実行効率の面で,従来の手法をはるかに上回っていることが明らかとなった。
論文 参考訳（メタデータ） (2024-09-23T15:53:41Z) - Behavior Tree-Based Asynchronous Task Planning for Multiple Mobile
Robots using a Data Distribution Service [2.6667914906637487]
動作木(BT)上に構築された複数のロボットのためのタスク計画フレームワークを提案する。
ロボットのタスクを効率的に計画するために,提案したタスクタイプを用いて単一のタスク計画ユニットを実装した。
3つの移動ロボットは、提案された単一タスク計画ユニットによって4つの目標位置を交互に移動するために実験的に調整された。
論文 参考訳（メタデータ） (2022-01-26T13:16:02Z)
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。