T. K. Satish Kumar
収録論文 14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
- キャッシュ機構による生涯マルチエージェント経路探索の強化群制御2025/1/1
倉庫運用向けの生涯マルチエージェント経路探索に、一時的な物品保管用のキャッシュグリッドとロック機構付きタスク割り当てを組み込み、経路計画と連携させる手法を提案した。
- キャッシュ拡張型生涯マルチエージェント経路探索群制御2024/3/1
倉庫計画を想定した生涯MAPFにおいて、一時的な物品保管用のキャッシュグリッドとロック機構、タスク割り当て器を導入し、性能を向上させる手法を提案・評価した。
- 大規模倉庫における生涯マルチエージェント経路計画群制御2020/5/1
倉庫内でエージェントが次々と新しい目標地点に向かう生涯MAPF問題に対し、時間窓ごとに衝突を解消するRHCRフレームワークを提案し、最大1000体でも高品質な解を得られることを示した。
- 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。
- 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。
- 強化学習と模倣学習による分散型マルチエージェント経路計画群制御2018/9/1
強化学習と模倣学習を組み合わせ、専門家の経路計画を教師として完全分散型のマルチエージェント経路計画ポリシーを学習させ、最大1024エージェントの大規模環境で高い成功率を達成した。
- 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。
- 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。
- 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。
