マルチモーダル確率計画によるナビゲーションとマルチロボット協調
A Multimodal Stochastic Planning Approach for Navigation and Multi-Robot Coordination
マルチモーダルな方策分布を扱うサンプリングベースの再計画プランナを提案し、局所解への頑健性と探索性を高め、マルチロボットの衝突回避やデッドロック回避に拡張した。
詳しい要約
1. どんなもの?
2. 先行研究と比べてどこがすごい?
3. 技術・手法の肝は?
4. どうやって有効だと検証した?
5. 議論はある?
6. 次に読むべき論文は?
※ AIが要旨から生成した要約です。正確性は原文をご確認ください。
著者: Mark Gonzales, Ethan Oh, Joseph Moore
分類: cs.RO
原文アブストラクト
In this paper, we present a receding-horizon, sampling-based planner capable of reasoning over multimodal policy distributions. By using the cross-entropy method to optimize a multimodal policy under a common cost function, our approach increases robustness against local minima and promotes effective exploration of the solution space. We show that our approach naturally extends to multi-robot collision-free planning, enables agents to share diverse candidate policies to avoid deadlocks, and allows teams to minimize a global objective without incurring the computational complexity of centralized optimization. Numerical simulations demonstrate that employing multiple modes significantly improves success rates in trap environments and in multi-robot collision avoidance. Hardware experiments further validate the approach's real-time feasibility and practical performance.
関連論文
- ロボットの視点を超えて:相棒の目で見る協調行動マルチロボット協調
- 見つけた時より良い状態に:逐次タスクにおける価値関数を介した協調マルチロボット協調
- DuoMind: 意味的通信による分散マルチロボット協調マルチロボット協調
- LLMベースのマルチロボット協調における物理的失敗に対するオンデマンド人間支援による精神的負荷の軽減マルチロボット協調
- CoLF: 視覚言語ガイド付きマルチロボット協調運搬のための一貫したリーダー・フォロワー方策学習マルチロボット協調
- 適応的グループ交渉による異種マルチロボット協調と大規模言語モデルの活用マルチロボット協調
