論文の概要: Multi-Resolution A*
- arxiv url: http://arxiv.org/abs/2004.06684v1
- Date: Tue, 14 Apr 2020 17:38:11 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-13 09:58:25.245266
- Title: Multi-Resolution A*
- Title（参考訳）: マルチレゾリューションa*
- Authors: Wei Du, Fahad Islam and Maxim Likhachev
- Abstract要約: ヒューリスティック検索に基づく計画手法は、離散化された空間上での運動計画に一般的に用いられる。
本稿では,複数の重み付きA*(WA*)探索を同時に行うマルチリゾリューションA*アルゴリズムを提案する。
MRA* はアンカー分解能探索空間と分解能完備性に関して有界な準最適であることを示す。
- 参考スコア（独自算出の注目度）: 19.562565022582785
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Heuristic search-based planning techniques are commonly used for motion
planning on discretized spaces. The performance of these algorithms is heavily
affected by the resolution at which the search space is discretized. Typically
a fixed resolution is chosen for a given domain. While a finer resolution
allows for better maneuverability, it significantly increases the size of the
state space, and hence demands more search efforts. On the contrary, a coarser
resolution gives a fast exploratory behavior but compromises on maneuverability
and the completeness of the search. To effectively leverage the advantages of
both high and low resolution discretizations, we propose Multi-Resolution A*
(MRA*) algorithm, that runs multiple weighted-A*(WA*) searches having different
resolution levels simultaneously and combines the strengths of all of them. In
addition to these searches, MRA* uses one anchor search to control expansions
from these searches. We show that MRA* is bounded suboptimal with respect to
the anchor resolution search space and resolution complete. We performed
experiments on several motion planning domains including 2D, 3D grid planning
and 7 DOF manipulation planning and compared our approach with several
search-based and sampling-based baselines.
- Abstract（参考訳）: ヒューリスティックな探索に基づく計画手法は、離散空間における動き計画によく用いられる。
これらのアルゴリズムの性能は、探索空間が離散化される解像度に大きく影響される。
通常、固定解像度は与えられた領域に対して選択される。
より精細な解像度では操作性が向上するが、状態空間のサイズが大幅に増加し、より多くの探索作業が要求される。
逆に、粗い解法は高速な探索行動を与えるが、操作性や探索の完全性には妥協がある。
高分解能な離散化と低分解能な離散化の両方の利点を効果的に活用するために,複数の重み付きA*(WA*)探索を同時に実行し,その長所を組み合わせたマルチリゾリューションA*(MRA*)アルゴリズムを提案する。
これらの検索に加えて、mra*は1つのアンカー検索を使用して、これらの検索からの拡張を制御する。
MRA* はアンカー分解能探索空間と分解能完備性に関して有界な準最適であることを示す。
2D, 3Dグリッド計画, 7 DOF操作計画を含む複数の動作計画領域の実験を行い, 提案手法を探索ベースおよびサンプリングベースラインと比較した。
関連論文リスト
- Hybrid Search for Efficient Planning with Completeness Guarantees [63.02803974708516]
本稿では,離散的な行動空間における完全性を実現するために,部分ゴール探索法を効果的に拡張する手法を提案する。
このソリューションは、高レベルの探索の実践的効率と低レベルの探索の完全性という、両方の世界のベストを達成している。
論文 参考訳（メタデータ） (2023-10-19T15:16:43Z) - A Multi-Heuristic Search-based Motion Planning for Automated Parking [0.0]
駐車場や建設現場のような非構造環境においては、リアルタイムな計画の実現が困難である。
我々は、複数の関数とその個々の利点を利用できるマルチヒューリスティック検索アプローチを採用しています。
Multi-Heuristic A*アルゴリズムは、非常に人気のある検索ベースのアルゴリズムであるHybrid A*に対してベンチマークされる。
論文 参考訳（メタデータ） (2023-07-15T17:33:06Z) - Searching a High-Performance Feature Extractor for Text Recognition
Network [92.12492627169108]
優れた特徴抽出器を持つための原理を探求し,ドメイン固有の検索空間を設計する。
空間は巨大で複雑な構造であるため、既存のNASアルゴリズムを適用することはできない。
本研究では,空間内を効率的に探索する2段階のアルゴリズムを提案する。
論文 参考訳（メタデータ） (2022-09-27T03:49:04Z) - Efficient Joint-Dimensional Search with Solution Space Regularization
for Real-Time Semantic Segmentation [27.94898516315886]
この問題に対して,リアルタイムに実行可能な最適ネットワーク構造を探索する。
新たな解空間規則化(SSR)損失は、スーパーネットが離散的に収束することを効果的に促すために最初に提案される。
より高効率な探索を実現するために,新しい階層的・プログレッシブ・ソリューション・スペース・スライキング法を提案する。
論文 参考訳（メタデータ） (2022-08-10T11:07:33Z) - Multidimensional Assignment Problem for multipartite entity resolution [69.48568967931608]
Multipartiteエンティティ解決は、複数のデータセットから1つのエンティティにレコードを統合することを目的としている。
代入問題を解くために、グリーディアルゴリズムと大規模近傍探索という2つの手順を適用する。
データベースのサイズが大きくなるにつれて、設計ベースのマルチスタートがより効率的であることを示す。
論文 参考訳（メタデータ） (2021-12-06T20:34:55Z) - AMRA*: Anytime Multi-Resolution Multi-Heuristic A* [21.927948636840682]
MRA* (Multi-Resolution A*) は複数の解像度を探索する。
AMRA* は、粗い分解能をできるだけ早く利用して、解を見つけようとする。
そして、粗い解像度では得られなかったかもしれないより良い経路を見つけるために、微細な解像度に頼ることで、解を洗練する。
論文 参考訳（メタデータ） (2021-10-11T14:51:29Z) - Selection-Expansion: A Unifying Framework for Motion-Planning and
Diversity Search Algorithms [69.87173070473717]
本稿では,2つの多様性探索アルゴリズム,ノベルティ探索アルゴリズムとゴール探索処理アルゴリズムの特性について検討する。
mpアルゴリズムとの関係は、ポリシーパラメータ空間と結果空間の間のマッピングの滑らかさ、あるいは滑らかさの欠如が検索効率において重要な役割を担っていることを示している。
論文 参考訳（メタデータ） (2021-04-10T13:52:27Z) - MRDet: A Multi-Head Network for Accurate Oriented Object Detection in
Aerial Images [51.227489316673484]
水平アンカーから変換された指向性提案を生成するために、任意指向領域提案ネットワーク(AO-RPN)を提案する。
正確なバウンディングボックスを得るために,検出タスクを複数のサブタスクに分離し,マルチヘッドネットワークを提案する。
各ヘッドは、対応するタスクに最適な特徴を学習するために特別に設計されており、ネットワークがオブジェクトを正確に検出することができる。
論文 参考訳（メタデータ） (2020-12-24T06:36:48Z) - Scale-Localized Abstract Reasoning [79.00011351374869]
本稿では,インテリジェンステストとしてよく用いられる抽象的関係推論タスクについて考察する。
いくつかのパターンは空間的有理性を持っているが、他のパターンは意味論に過ぎないため、各クエリを複数の解像度で処理するマルチスケールアーキテクチャを提案する。
異なる解法によって実際に異なるルールが解かれることを示し、組み合わせたマルチスケールアプローチは、全てのベンチマークにおいて、このタスクにおける既存の技術の状態を5～54%上回っていることを示す。
論文 参考訳（メタデータ） (2020-09-20T10:37:29Z) - Multi-Resolution POMDP Planning for Multi-Object Search in 3D [26.683481431467783]
フラストタル形状の視野を持つ3次元領域における多対象探索のためのPOMDPの定式化について述べる。
我々は,対象物体の異なる解像度レベルでの不確かさを捉えるために,新しいオクツリーに基づく信念表現を設計する。
移動ロボットによる2つの10m$2×2$m領域の異なる高さに配置された物体を、ベースを移動させ、胴体を作動させることにより、その位置を推定する手法を実証する。
論文 参考訳（メタデータ） (2020-05-06T14:54:01Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。