文献

J-GLOBAL ID：202202220350772535   整理番号：22A0735355

CL-MAPF:運動学的および時空間的制約を持つ自動車様ロボットのためのマルチエージェント経路発見【JST・京大機械翻訳】

CL-MAPF: Multi-Agent Path Finding for Car-Like robots with kinematic and spatiotemporal constraints

著者 (4件)： Wen Licheng (College of Control Science and Engineering, Zhejiang University, Hangzhou, China) ,  Liu Yong (College of Control Science and Engineering, Zhejiang University, Hangzhou, China) ,  Liu Yong (Huzhou Institute of Zhejiang University, Huzhou, China) ,  Li Hongliang (College of Control Science and Engineering, Zhejiang University, Hangzhou, China)
資料名： Robotics and Autonomous Systems  (Robotics and Autonomous Systems)
巻： 150  ページ： Null  発行年： 2022年 
JST資料番号： C0133C  ISSN： 0921-8890  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： ロボット工学とAIの分野における広い応用のため,多エージェント経路発見が過去数年で広く研究されている。しかし,以前のソルバはいくつかの単純化仮定に依存している。これは,ホロノミックなものではなく,非ホロノミックな自動車のようなエージェントを採用する多数の実世界ドメインにおける応用性を制限する。本論文では,Car-Likeロボット(CL-MAPF)問題に対するマルチエージェント経路発見の数学的定式化を与えた。この問題に取り組むためにCar-Like Conflict-based検索と呼ばれる新しい階層的探索ベースソルバを提案した。それは,エージェントの形状を考慮した衝突に対処するために,身体衝突木を適用する。著者らは,単一エージェントプランナーとして時空ハイブリッド-Stat A*と呼ばれる新しいアルゴリズムを導入し,運動学および時空間制約の両方を満たすエージェントの経路を生成した。また,この方法の逐次計画バージョンを提示し,実行時間の大幅な削減を達成するために,少量の解品質を犠牲にした。提案手法を専用ベンチマーク上で2つのベースラインアルゴリズムと比較し,実世界シナリオで検証した。実験結果は,両方のベースラインアルゴリズムの計画成功率が,すべての6つのシナリオで50%未満であり,一方,著者らのアルゴリズムが98%以上を維持することを示した。また,このアルゴリズムは300m×300mシナリオで100エージェントに良好にスケールし,実世界でAckermann操舵ロボットに直接適用可能な解決策を生産できるという明確な証拠を与えた。ベンチマークとソースコードをhttps://github.com/APRIL-ZJU/CL-CBS中で放出した。実験のビデオをYouTube上で見つけることができた。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  *運動学 ,  簡素化 ,  工学 ,  *自動車 ,  *ロボット ,  録画装置 ,  定式化 ,  移動ロボット ,  ベンチマーク ,  *エージェント ,  経路探索
準シソーラス用語： ロボット工学 ,  ソルバ ,  *マルチエージェント ,  *経路発見 , 【Automatic Indexing@JST】

著者キーワード (3件)： マルチエージェントシステム ,  経路計画 ,  移動ロボット

分類 (1件)： ロボットの運動・制御  (IC04012J)

タイトルに関連する用語 (8件)： Cl ,  運動学 ,  時空間 ,  制約 ,  自動車 ,  ロボット ,  マルチエージェント ,  経路発見