要約
ラベル付きMRPP（マルチロボットパス計画）問題には、衝突を避けながら、ロボットを最初から目標構成まで効率的にルーティングすることが含まれます。
ソリューションの品質とランタイムの進歩にもかかわらず、その複雑さと産業の関連性は研究を促進し続けています。
この論文では、証明可能な保証と実用的なヒューリスティックを備えたスケーラブルなMRPPメソッドを導入します。
まず、倉庫および小包システムに関連する2Dグリッドで密なMRPPを研究します。
Rubik Tableメソッドを提案し、$（1 + \ delta）$ – 最適なメイク（$ \ delta \ in（0、0.5] $）を最大$ \ frac {m_1 m_2} {2} $ $ロボットで実現し、大規模なインスタンスを効率的に解決し、最適なベンチマークを設定します。
（たとえば、倉庫、駐車システム）、密集したデッドロックのない自動車駐車のためのパズルベースのシステムを提案します。
要約(オリジナル)
The labeled MRPP (Multi-Robot Path Planning) problem involves routing robots from start to goal configurations efficiently while avoiding collisions. Despite progress in solution quality and runtime, its complexity and industrial relevance continue to drive research. This dissertation introduces scalable MRPP methods with provable guarantees and practical heuristics. First, we study dense MRPP on 2D grids, relevant to warehouse and parcel systems. We propose the Rubik Table method, achieving $(1 + \delta)$-optimal makespan (with $\delta \in (0, 0.5]$) for up to $\frac{m_1 m_2}{2}$ robots, solving large instances efficiently and setting a new theoretical benchmark. Next, we address real-world MRPP. We design optimal layouts for structured environments (e.g., warehouses, parking systems) and propose a puzzle-based system for dense, deadlock-free autonomous vehicle parking. We also extend MRPP to Reeds-Shepp robots, introducing motion primitives and smoothing techniques to ensure feasible, efficient paths under nonholonomic constraints. Simulations and real-world tests validate the approach in urban driving and robotic transport scenarios.
arxiv情報
| 著者 | Teng Guo |
| 発行日 | 2025-06-11 16:29:42+00:00 |
| arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google