Buchumschlag

Graph Learning-based Fleet Scheduling for Urban Air Mobility under Operational Constraints, Varying Demand & Uncertainties

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Paul, Steve, Witter, Jhoel, Chowdhury, Souma
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Multiagent Systems Artificial Intelligence Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

A Graph-based Adversarial Imitation Learning Framework for Reliable & Realtime Fleet Scheduling in Urban Air Mobility
von: Poddar, Prithvi, et al.
Veröffentlicht: (2024)

Bigraph Matching Weighted with Learnt Incentive Function for Multi-Robot Task Allocation
von: Paul, Steve, et al.
Veröffentlicht: (2024)

Ready, Bid, Go! On-Demand Delivery Using Fleets of Drones with Unknown, Heterogeneous Energy Storage Constraints
von: Talamali, Mohamed S., et al.
Veröffentlicht: (2025)

Learning to Steer Markovian Agents under Model Uncertainty
von: Huang, Jiawei, et al.
Veröffentlicht: (2024)

Approximate Multiagent Reinforcement Learning for On-Demand Urban Mobility Problem on a Large Map (extended version)
von: Garces, Daniel, et al.
Veröffentlicht: (2023)

Near-Optimal Reinforcement Learning with Self-Play under Adaptivity Constraints
von: Qiao, Dan, et al.
Veröffentlicht: (2024)

Conflict-Free Flight Scheduling Using Strategic Demand Capacity Balancing for Urban Air Mobility Operations
von: Hemmati, Vahid, et al.
Veröffentlicht: (2025)

Steering No-Regret Agents in MFGs under Model Uncertainty
von: Widmer, Leo, et al.
Veröffentlicht: (2025)

VariAntNet: Learning Decentralized Control of Multi-Agent Systems
von: Koifman, Yigal, et al.
Veröffentlicht: (2025)

A Talent-infused Policy-gradient Approach to Efficient Co-Design of Morphology and Task Allocation Behavior of Multi-Robot Systems
von: KrisshnaKumar, Prajit, et al.
Veröffentlicht: (2024)

CoDriveVLM: VLM-Enhanced Urban Cooperative Dispatching and Motion Planning for Future Autonomous Mobility on Demand Systems
von: Liu, Haichao, et al.
Veröffentlicht: (2025)

Adaptive Value Decomposition: Coordinating a Varying Number of Agents in Urban Systems
von: Li, Yexin, et al.
Veröffentlicht: (2026)

Improving Mixed-Criticality Scheduling with Reinforcement Learning
von: El-Mahdy, Muhammad, et al.
Veröffentlicht: (2025)

Multi-Agent Soft Actor-Critic with Coordinated Loss for Autonomous Mobility-on-Demand Fleet Control
von: Woywood, Zeno, et al.
Veröffentlicht: (2024)

Urban Air Mobility as a System of Systems: An LLM-Enhanced Holonic Approach
von: Sadik, Ahmed R., et al.
Veröffentlicht: (2025)

Systematic Analyses of Reinforcement Learning Controllers in Signalized Urban Corridors
von: Song, Xiaofei, et al.
Veröffentlicht: (2026)

Communication-aware Hierarchical Map Compression of Time-Varying Environments for Mobile Robots
von: Larsson, Daniel T., et al.
Veröffentlicht: (2025)

AOI: Context-Aware Multi-Agent Operations via Dynamic Scheduling and Hierarchical Memory Compression
von: Bai, Zishan, et al.
Veröffentlicht: (2025)

Group-Aware Coordination Graph for Multi-Agent Reinforcement Learning
von: Duan, Wei, et al.
Veröffentlicht: (2024)

Online Action-Stacking Improves Reinforcement Learning Performance for Air Traffic Control
von: Carvell, Ben, et al.
Veröffentlicht: (2026)

Heterogeneous Information-Bottleneck Coordination Graphs for Multi-Agent Reinforcement Learning
von: Duan, Wei, et al.
Veröffentlicht: (2026)

DynaSwarm: Dynamically Graph Structure Selection for LLM-based Multi-agent System
von: Leong, Hui Yi, et al.
Veröffentlicht: (2025)

NaviGNN: Multi-Agent Reinforcement Learning and Graph Neural Network for Sustainable Mobility in Futuristic Smart Cities
von: Bahi, Abderaouf, et al.
Veröffentlicht: (2025)

Multi-Objective Constraint Inference using Inverse reinforcement learning
von: Shah, Syed Ihtesham Hussain, et al.
Veröffentlicht: (2026)

Operationalising Rawlsian Ethics for Fairness in Norm-Learning Agents
von: Woodgate, Jessica, et al.
Veröffentlicht: (2024)

Distributed Multi-Agent Reinforcement Learning Based on Graph-Induced Local Value Functions
von: Jing, Gangshan, et al.
Veröffentlicht: (2022)

Ariadne and Theseus: Exploration and Rendezvous with Two Mobile Agents in an Unknown Graph
von: Cosson, Romain
Veröffentlicht: (2024)

A Survey of Multi-Agent Deep Reinforcement Learning with Graph Neural Network-Based Communication
von: Cuzin-Rambaud, Valentin, et al.
Veröffentlicht: (2026)

PAC-BENCH: Evaluating Multi-Agent Collaboration under Privacy Constraints
von: Park, Minjun, et al.
Veröffentlicht: (2026)

Evaluating Collaborative and Autonomous Agents in Data-Stream-Supported Coordination of Mobile Crowdsourcing
von: Bruns, Ralf, et al.
Veröffentlicht: (2024)

Modèles de Substitution pour les Modèles à base d'Agents : Enjeux, Méthodes et Applications
von: Saves, Paul, et al.
Veröffentlicht: (2025)

Multi-Agent Deep Q-Network with Layer-based Communication Channel for Autonomous Internal Logistics Vehicle Scheduling in Smart Manufacturing
von: Feizabadi, Mohammad, et al.
Veröffentlicht: (2024)

Separation Assurance in Urban Air Mobility Systems using Shared Scheduling Protocols
von: Murthy, Surya, et al.
Veröffentlicht: (2025)

RobotFleet: An Open-Source Framework for Centralized Multi-Robot Task Planning
von: Gupta, Rohan, et al.
Veröffentlicht: (2025)

Architectures for Robust Self-Organizing Energy Systems under Information and Control Constraints
von: Frost, Emilie, et al.
Veröffentlicht: (2026)

Scalable Multi-agent Reinforcement Learning for Factory-wide Dynamic Scheduling
von: Jang, Jaeyeon, et al.
Veröffentlicht: (2024)

Turn-based Multi-Agent Reinforcement Learning Model Checking
von: Gross, Dennis
Veröffentlicht: (2025)

Trust-based Consensus in Multi-Agent Reinforcement Learning Systems
von: Fung, Ho Long, et al.
Veröffentlicht: (2022)

A Model-Based Solution to the Offline Multi-Agent Reinforcement Learning Coordination Problem
von: Barde, Paul, et al.
Veröffentlicht: (2023)

HyperGraphOS: A Meta Operating System for Science and Engineering
von: Ceravola, Antonello, et al.
Veröffentlicht: (2024)