論文の概要: CONSORT: Uncertainty-Constrained Multi-Robot Planning for Cooperative Localization in GPS-Denied Environments
- arxiv url: http://arxiv.org/abs/2610.41235v1
- Date: Fri, 30 Oct 2026 04:18:51 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-02 22:05:31.613291
- Title: CONSORT: Uncertainty-Constrained Multi-Robot Planning for Cooperative Localization in GPS-Denied Environments
- Title（参考訳）: CONSORT:GPS環境における協調的位置決めのための不確実性制約型マルチロボット計画
- Abstract要約: 本研究は, 衝突回避条件と局地化の不確実性に拘束された端末を条件として, プライマリエージェントが最小限の時間で目標を達成しなければならないマルチエージェント計画問題について検討する。
ヘキサゴナルグリッド継手探索とスプラインリファインメントを組み合わせた離散連続パイプラインであるCONSORTを提案する。
海洋シミュレーションでは、独立に開発された因子グラフ推定のフィードバック制御の下で計画が実行され、軌道は衝突のないままであり、その終端の不確実性はプランナーの予測の6%以内に該当する。
- 参考スコア（独自算出の注目度）: 0.6524460254566904
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Centralized multi-agent path planning with cooperative localization in GPS-denied environments is generally computationally intractable when formulated in full belief space due to tightly coupled uncertainty dynamics. Prior work typically approximates belief dynamics or restricts inter-agent coupling. This work examines a multi-agent planning problem in which a primary agent must reach a goal in minimum time subject to a chance-constrained collision-avoidance requirement and a terminal bound on localization uncertainty. We obtain a tractable surrogate of the underlying belief-space problem by optimizing over the mean-state trajectories of all agents and propagating covariance for terminal constraint evaluation only. We propose CONSORT (Cooperative Navigation with Support-Optimized Routing and Trajectories), a discrete-to-continuous pipeline combining hexagonal-grid joint search with spline-based trajectory refinement. Across 50 randomized scenarios, the planners separate as the terminal uncertainty bound tightens, with CONSORT solving 80% of scenarios where the strongest baseline solves 54%, at comparable path length. In marine simulations, with the plans executed under feedback control on an independently developed factor-graph estimate, the trajectories remain collision-free and their terminal uncertainty falls within 6% of the planner's prediction.
- Abstract（参考訳）: GPSデニド環境における協調的局所化を伴う集中型マルチエージェントパスプランニングは、密結合不確実性ダイナミクスにより全信念空間で定式化される場合、一般に計算的に難解である。
以前の研究は通常、信念のダイナミクスを近似するか、エージェント間結合を制限する。
本研究は, 衝突回避条件と局地化の不確実性に拘束された端末を条件として, プライマリエージェントが最小限の時間で目標を達成しなければならないマルチエージェント計画問題について検討する。
我々は,すべてのエージェントの平均状態軌跡を最適化し,終端制約評価のための共分散を伝播することにより,基礎となる信念空間問題の抽出可能なサロゲートを得る。
ヘキサゴナルグリッド関節探索とスプラインベース軌道修正を組み合わせた離散連続パイプラインであるCONSORT(Cooperative Navigation with Support-Optimized Routing and Trajectories)を提案する。
50のランダム化シナリオで、端末の不確実性が束縛されるにつれてプランナーは分離され、最強のベースラインが54%のパス長で解決するシナリオの80%がConSORTによって解決される。
海洋シミュレーションでは、独立に開発された因子グラフ推定のフィードバック制御の下で計画が実行され、軌道は衝突のないままであり、その終端の不確実性はプランナーの予測の6%以内に該当する。
関連論文リスト
- Chance-Constrained Inspection Viewpoint Sequencing for On-Orbit Servicing via Safe Reinforcement Learning [0.0]
本稿では,視点選択をCMDP(Constrained Markov Decision Process)としてモデル化する。
ラグランジアン緩和法(Lagrangian relaxation)は、ラグランジアン緩和法(Lagrangian relaxation)を用いてこの問題を解決する。
この手法は、中地球にあるガリレオ級の航法衛星でテストされている。
論文 参考訳（メタデータ） (2026-10-30T12:15:31Z) - Information-Driven Collaborative Autonomy for Heterogeneous UAV/UGV Teams [0.0]
我々は、無人航空機(UAV)と無人地上車両(UGV)の異種チームをコーディネートすることを検討する。
UAVは搭載された光学カメラを使って空中センシングを行い、その軌道を地上ルートや目標情報に適応させる。
エルゴディック制御を用いて航空探索問題を定式化し、空間情報密度に応じて感知力を分散し、探索と目標位置のバランスをとる。
クローズドループスキームは、情報が利用可能になると両艦隊の軌道を更新し、残りの経路リスクが所定の閾値を下回った場合に地面の動きを許可する。
論文 参考訳（メタデータ） (2026-10-29T05:12:57Z) - Planning under Noise with Neural Operators [69.53338532337057]
不確実な制御実行ノイズの下での計画には、多様な環境における信頼性の高いフィードバックポリシーが必要である。
本研究では,未知の測地における計画のための雑音認識値場を学習するニューラル演算子であるプランニング・アンダーノイズ(PUN)を紹介する。
論文 参考訳（メタデータ） (2026-10-20T17:58:30Z) - Fast and Scalable Multi-Agent Distribution Matching via Partitioned Optimal Transport [0.0]
本稿では,マルチエージェントシステムにおける端末分布マッチングのためのスケーラブルな最適トランスポートベースのフレームワークを提案する。
エージェントとターゲットサンプルを空間的に対応するブロックに分割し,より小さな局所輸送問題を解くことで,このボトルネックに対処する。
提案フレームワークは,Wassersteinの目的に対する厳密な接続を維持しつつ,スケーラブルな端末分布マッチングを実現する。
論文 参考訳（メタデータ） (2026-09-30T04:28:14Z) - Characterizing Heterogeneous Rates in Finite Mixture Estimation via Partial Optimal Transport [88.55403215843967]
改良された局所および大域収束保証を得るためのボロノイ系部分最適輸送(VPOT)は、混合測定の最大極大推定器である。
結果は、混合比例が真の混合成分の数についてのゼロまたは以前の知識から一様に制限されることなく、任意の固定次元で保持される。
論文 参考訳（メタデータ） (2026-09-15T04:32:53Z) - Reliable Near-Field Multi-User Positioning Informed by Two-Stage MUSIC [52.33021019321273]
近距離場ローカライゼーションは、将来の無線システムにおける高解像度マルチユーザ位置決めのための有望な技術である。
パラメータ推定とパス/ソースアソシエーションを分離する必要のある既存のニアフィールドローカライズ手法では,オーバヘッドと累積誤差に悩まされている。
本稿では,2段階のMUltiple SIgnal Classification (MUSIC) を用いて,Lose-of-sight (LoS) とNon-LoS (NLoS) の混在シナリオにおいてエンド・ツー・エンドな位置決め型ディープラーニング(DL) フレームワークを提案する。
論文 参考訳（メタデータ） (2026-09-08T20:03:33Z) - Accelerating Robot Path Planning via Connectivity-Preserving Region Proposal Network [5.81838331663612]
移動ロボット経路計画法は、しばしば広大な探索空間によって制約され、サンプリングベースアルゴリズムの遅延が発生する。
本稿では,コンパクトでトポロジカルに連結した候補領域の予測を目的としたセグメンテーション誘導モデルであるCP-RPNを提案する。
論文 参考訳（メタデータ） (2026-05-27T11:59:03Z) - Collaborative Trajectory Prediction via Late Fusion [17.045815575131915]
車両間の協調的なアプローチは、相補的な情報を共有することによって不確実性を低減するのに役立つ。
共有予測のためのレイトフュージョンフレームワークを導入する。
OPV2V、V2V4Real、DeepAccidentデータセットに対するアプローチを評価する。
論文 参考訳（メタデータ） (2026-04-24T19:34:56Z) - Cooperative Probabilistic Trajectory Forecasting under Occlusion [110.4960878651584]
隠蔽対象の情報を安全なナビゲーションのためにエゴエージェントに伝達する必要がある場合が多い。
本稿では,エゴエージェントの基準フレームにおける閉塞歩行者の現況を協調的に推定するエンド・ツー・エンドネットワークを設計する。
また,エゴ剤による閉塞歩行者の不確実性を考慮した軌道予測は,閉塞を前提とした地上の真実軌道とほぼ同様であることを示した。
論文 参考訳（メタデータ） (2023-12-06T05:36:52Z) - Collaborative Uncertainty Benefits Multi-Agent Multi-Modal Trajectory Forecasting [61.02295959343446]
この研究はまず、相互作用モジュールから生じる不確実性をモデル化する新しい概念であるコラボレーティブ不確実性(CU)を提案する。
我々は、回帰と不確実性推定の両方を行うために、元の置換同変不確かさ推定器を備えた一般的なCU対応回帰フレームワークを構築した。
提案するフレームワークを,プラグインモジュールとして現在のSOTAマルチエージェント軌道予測システムに適用する。
論文 参考訳（メタデータ） (2022-07-11T21:17:41Z)
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。