Hang Ma
収録論文 31本 ・ フィジカルAI/ロボット学習
※arXiv著者名で収集。同姓同名の別人の論文が含まれる場合があります。
論文
- 凸集合グラフ上のシュタイナー巡回セールスマン問題に対する統一分岐限定探索経路計画2026/8/21
凸集合のグラフ上でシュタイナーTSPを定式化し、訪問順序と連続軌道を同時に最適化する統一分岐限定探索法を提案した。移動マニピュレータの検査タスクで有効性を示した。
- 時空間凸集合グラフに基づく探索型の時空間・マルチロボット動作計画動作計画2026/7/1
時空間凸集合のグラフ上で経路探索を行い、動的障害物や複数ロボットの干渉を扱う動作計画手法を提案した。
- CREST: マルチロボット倉庫棚再配置のための制約解放実行群制御2026/3/1
倉庫内の棚再配置問題に対し、実行中に軌道制約を積極的に解放する新しい実行フレームワークCRESTを提案し、移動距離・メイクスパン・棚切替を最大40%以上削減した。
- GHOST: 凸集合グラフ上の巡回セールスマン問題を解く軌道計画2025/11/1
凸集合グラフ上で定義される新しい巡回セールスマン問題に対し、組合せ探索と凸軌道最適化を組み合わせた階層的フレームワークGHOSTを提案し、最適性を保証しつつ高速に解く。
- 凸集合の時空間グラフによるマルチロボット動作計画群制御2025/3/1
複数ロボットの衝突回避軌道計画を、ランダムサンプリングではなく凸集合で時空間を覆う新しい計画手法ST-GCSとして定式化し、優先度付き計画に組み込むことで高成功率・高速化を実現した。
- 経路競合解消を伴う大規模グリッド上のマルチロボット被覆経路計画群制御2024/11/1
4近傍グリッド上で複数ロボットが全セルを被覆する経路を計画する問題に対し、部分障害ブロックにも対応する拡張STCと局所探索、MAPFによる競合解消を統合した枠組みを提案した。
- MFC-EQ: 平均場制御とEnvelope Q学習による分散型フォーメーション移動エージェント群制御2024/10/1
多数エージェントが衝突を避けつつ目標到達とフォーメーション維持を両立する問題に対し、平均場近似とEnvelope Q学習を組み合わせた分散学習手法を提案し、集中型手法を上回る性能を示した。
- MAPFのための大規模近傍探索の再評価:知見と機会群制御2024/7/1
マルチエージェント経路探索(MAPF)における大規模近傍探索(LNS)手法を統一評価し、ルールベース手法が強力なベースラインである一方、学習ベース手法には明確な優位性がないことを示した。
- マルチロボット連結フェルマ螺旋被覆群制御2024/3/1
コンピュータグラフィックスの連結フェルマ螺旋をマルチロボットの被覆経路計画に初めて応用し、障害物に沿った滑らかな経路を生成して作業時間を短縮する手法を提案した。
- 局所探索による大規模マルチロボット被覆経路計画群制御2023/12/1
複数ロボットでグリッド地形を漏れなく巡回する経路計画において、分解グラフ上で直接局所探索を行うフレームワークLS-MCPPを提案し、既存手法の初期解を最大35.7%改善した。
- SACHA: ヒューリスティックベース注意機構を備えたSoft Actor-Criticによる部分観測マルチエージェント経路計画マルチエージェント経路計画2023/7/1
部分観測下のマルチエージェント経路計画において、各エージェントが視野内の他エージェントの最短経路ヒューリスティックに注意を向ける注意機構とエージェント中心の批評家を導入し、協調と汎化性能を向上させた強化学習手法。
- 混合整数計画法と効率的ヒューリスティクスによる時間最適なマルチロボット被覆経路計画群制御2023/6/1
マルチロボット被覆経路計画を最小最大根付き木被覆問題に帰着し、混合整数計画法とヒューリスティクスで解くことで、被覆時間を平均27.65%と23.24%削減した。
- 二層デッキ型マルチエージェントピックアップ・デリバリー:大規模倉庫におけるマルチロボット棚再配置群制御2023/4/1
棚の下を移動したり棚を持ち上げて任意の場所に運ぶことで倉庫レイアウトを変える新問題DD-MAPDを定式化し、棚軌道のMAPFとエージェント経路のMAPDに分解して解くMAPF-DECOMPを提案した。
- マルチゴールタスク割当と経路探索の最適・有界準最適アルゴリズム群制御2022/8/1
各エージェントに順序付きゴール列からなるタスクを割り当て、衝突のない経路を求めるMG-TAPF問題を定式化し、NP困難性を示した上で最適・有界準最適アルゴリズムを提案・比較した。
- マルチゴール・マルチエージェント pickup and delivery群制御2022/8/1
複数のエージェントが連続して発生するタスクを処理するMAPD問題に対し、大規模近傍探索と優先度ベース探索を組み合わせたアルゴリズムを提案し、大規模倉庫で数千のエージェントとタスクにスケールすることを示した。
- グラフベースのマルチロボット経路探索と計画群制御2022/6/1
複数ロボットの衝突回避経路計画(MAPF)について、古典的・最新アルゴリズムと実世界応用への拡張手法をレビューしたサーベイ。
- オンライン多エージェント経路探索の競合解析群制御2021/6/1
時間とともに新しいエージェントが現れるオンラインMAPFを定式化し、アルゴリズムを可制御性と合理性で分類して競合比を理論的に解析した論文。
- グラフ畳み込み通信を用いた分散型ヒューリスティック多エージェント経路探索群制御2021/6/1
深層Q学習にグラフ畳み込みによる通信を組み合わせ、最短経路のヒューリスティックを活用して混雑環境でも高成功率・低ステップで分散実行できるMAPF手法を提案した。
- 仕分けセンターにおける待機時間最小化のための目標割当と経路探索群制御2019/12/1
自動仕分けセンターでエージェントへのステーション割当と衝突回避経路を同時に最適化し、全ステーションの待機時間を最小化するmin-cost max-flowベースの手法を提案。最大350台のエージェントで有効性を実証した。
- マルチエージェント経路計画:定義・変種・ベンチマーク群制御2019/6/1
複数エージェントの衝突回避経路計画(MAPF)の仮定や目的関数を統一用語で整理し、新たなグリッドベースのベンチマークを提案・評価した。
- 一貫した優先順位付けで探索するマルチエージェント経路計画マルチエージェント経路計画2018/12/1
マルチエージェント経路計画において、事前に固定された優先順位ではなく、部分的な優先順位の空間を系統的かつ衝突駆動型の組合せ探索で探索する手法を提案し、高い解品質と成功率を示した。
- 運動学的制約を考慮した多エージェントピックアップ・デリバリーの生涯経路計画群制御2018/12/1
倉庫などで多数のロボットが連続的に運搬タスクをこなすMAPD問題に対し、SIPPwRTという探索手法を組み込み、実ロボットの運動学的制約を計画時に直接考慮して高速かつ完全な経路計画を実現した。
- 期限付きマルチエージェント経路計画群制御2018/6/1
各エージェントが期限内にゴールへ到達できる数を最大化するMAPF-DL問題を定式化し、NP困難性を示した上で、フロー問題と整数線形計画に基づく手法と組合せ探索に基づく手法の2種類の最適アルゴリズムを提案した。
- マルチロボットシステムのための階層的計画生成・実行フレームワーク概観群制御2018/4/1
時相ネットワークを用いてタスクレベルと動作レベルの制約を同時に扱い、複数ロボットの計画生成と実行を階層的に統合するフレームワークを提案した概説論文。
- 混雑したゲーム環境における異種チーム移動の実現可能性検討群制御2017/10/1
多様なエージェントからなるチームを混雑したビデオゲーム環境で移動させるために、マルチエージェント経路探索(MAPF)アルゴリズムが有効であることを示した実現可能性研究。
- AIバズワード解説:マルチエージェント経路探索(MAPF)群制御2017/10/1
複数のロボットやエージェントが互いに衝突せずに目的地へ移動する経路を計画する「マルチエージェント経路探索」の基本概念を解説した記事。
- 生涯型マルチエージェント経路計画によるオンライン集配タスク群制御2017/5/1
倉庫のような環境でエージェントが次々と届く集配タスクをオンラインで処理するMAPD問題を定式化し、トークンパッシングに基づく2つの分散アルゴリズムを提案・評価した論文。
- ロボット群のための運動学的制約を考慮した経路計画群制御2017/4/1
最大速度などの運動学的制約とロボット間の安全距離を保証しつつ、複数ロボットの衝突回避経路を計画する手法を提案し、2D・3D環境のシミュレーションと実機で実証した。
- マルチエージェント経路計画の実世界適用への一般化群制御2017/2/1
MAPFを実世界シナリオに適用する際に生じる課題を整理し、それらに対処する4つの研究方向を論じた概説論文。
- チーム型エージェントのための最適な目標割当と経路探索群制御2016/12/1
複数チームのエージェントに目標を割り当てて衝突のない経路を計画するTAPF問題に対し、最小費用流と衝突ベース探索を組み合わせた最適アルゴリズムCBMを提案し、倉庫システムへの適用可能性を示した。
- 遅延確率を考慮したマルチエージェント経路計画群制御2016/12/1
実行遅延の確率を考慮したMAPF問題を定式化し、衝突を防ぐ分散実行ポリシーと2段階探索による解法を提案した。
