日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

週刊ニュースレター購読
群制御arXiv:2610.18850

運用制約下でのUAV-UGVチームのためのマスク付き誤差有界ニューロシンボリック拡散による協調計画

Collaborative Planning for UAV-UGV Teams under Operational Constraints via Masked Error-bounded Neuro-Symbolic Diffusion

シェア:XThreadsFacebookLINEはてブBluesky

UAVとUGVの協調計画を条件付きマスク拡散モデルで生成し、論理規則で制約を課すニューロシンボリック手法を提案。誤差有界な推論スケジューリングで制約下の計画最適性を向上。

詳しい要約

1. どんなもの？

- UAV-UGVチームの協調計画を対象とした研究。 - 運用制約下での大規模ミッションにおいて、UAVのエネルギー制限とUGVの道路網走行制約を考慮。 - 協調計画を条件付きマスク生成プロセスとして定式化し、文脈に応じた行動系列を生成するMENDを提案。 - ニューロシンボリック拡散パラダイムを導入し、実行時に論理誘導の許容性指標で学習済み行動分布を再重み付け。 - エラー有界推論スケジューリングにより、制約を考慮した行動分布上の予測エントロピーが最小の位置を選択してアンマスキングスケジュールを構築。

2. 先行研究と比べてどこがすごい？

- 従来のMasked Diffusion Models (MDMs) は、エントロピー誘導スケジューリングが分布整合性を仮定し、拡散時最適化に微分可能制約に依存するという2つの限界があった。 - MENDは、ニューロシンボリック拡散により論理誘導の許容性指標で再重み付けし、実行時に運用制約を強制。 - エラー有界推論スケジューリングにより、制約を考慮した行動分布上で予測エントロピー最小の位置を選択し、協調計画の最適性を向上。 - これにより、従来手法の限界を克服し、UAV-UGV協調計画における運用制約下での性能を改善。

3. 技術・手法の肝は？

- 協調計画を条件付きマスク生成プロセスとして定式化。 - ニューロシンボリック拡散パラダイムを導入：学習済み行動分布を論理誘導の許容性指標で再重み付けし、実行時に運用制約を強制。 - エラー有界推論スケジューリング：制約を考慮した行動分布上の予測エントロピーが最小の位置を選択してアンマスキングスケジュールを構築。 - これにより、文脈に応じた行動系列を生成し、並列かつ協調的な行動を可能にする。

4. どうやって有効だと検証した？

- シミュレーション、実世界地図、物理ロボットチームを用いた広範な実験を実施。 - これらの実験により、MENDが運用制約下でのUAV-UGV協調計画を前進させることを実証。 - 具体的な評価指標やベースラインとの比較詳細は要旨からは不明。

5. 議論はある？

- 要旨からは、提案手法の限界や議論の詳細は不明。 - 運用制約下での協調計画の重要性と、従来手法の限界を指摘している。 - 実験結果は有望だが、一般化可能性やスケーラビリティに関する議論は要旨からは不明。

6. 次に読むべき論文は？

- 要旨で参照/比較されている研究：Masked Diffusion Models (MDMs)。 - 関連手法：ニューロシンボリック拡散、エントロピー誘導スケジューリング、微分可能制約を用いた拡散時最適化。 - 同分野の定番：UAV-UGV協調計画、マルチロボット協調計画、条件付きマスク生成モデル。

※ 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: Zihao Deng, Qianhuang Li, Maggie Wigness, John Rogers, Donghyun Kim, Hao Zhang

分類: cs.RO

原文アブストラクト

Collaborative planning under operational constraints is essential for heterogeneous robot teams in large-scale missions. Unmanned Aerial Vehicles (UAVs) provide rapid area coverage but are limited by onboard energy, while Unmanned Ground Vehicles (UGVs) can serve as mobile recharging stations yet are constrained by road-network traversability. Effective collaboration must enforce operational constraints during execution while enabling parallel, coordinated actions. Masked Diffusion Models (MDMs) have shown promise through token unmasking but have two key limitations: entropy-guided scheduling assumes distributional alignment and reliance on differentiable constraints for diffusion-time optimization. We propose Masked Error-bounded Neuro-Symbolic Diffusion (MEND), which formulates collaborative planning as a conditional masked generative process to generate context-aware action sequences for UAV-UGV teams. MEND introduces a neuro-symbolic diffusion paradigm that constrains conditional masked diffusion policies at execution by reweighting the learned action distribution with a logic-induced admissibility indicator, thereby enforcing compliance with operational constraints. MEND introduces an error-bounded inference scheduling at execution that constructs the unmasking schedule by selecting positions with minimal predictive entropy over the constraint-aware action distribution, enhancing collaborative planning optimality under operational constraints. Extensive experimental results in simulation, on real-world maps, and with physical robot teams demonstrate that MEND advances UAV-UGV collaborative planning under operational constraints.

arXivで原文を読む →arXiv概要ページ

関連論文

← 論文一覧
PR本紙発行元 EmplifAI