論文の概要: New Fusion Algorithm provides an alternative approach to Robotic Path planning

• arxiv url: http://arxiv.org/abs/2006.05241v1
• Date: Sat, 6 Jun 2020 17:52:00 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-24 22:01:00.473544
• Title: New Fusion Algorithm provides an alternative approach to Robotic Path planning
• Title（参考訳）: 新しいフュージョンアルゴリズムはロボットパス計画の代替手法を提供する
• Authors: Ashutosh Kumar Tiwari, Sandeep Varma Nadimpalli
• Abstract要約: 本稿では,カスタム2次元環境における経路計画問題の解法として,新しい,効率的な融合アルゴリズムを提案する。 新しい融合アルゴリズムは、スムーズな性能で実現可能であり、従来の経路計画のA*戦略に代わる、時間効率で安価な代替手段として満足できる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: For rapid growth in technology and automation, human tasks are being taken over by robots as robots have proven to be better with both speed and precision. One of the major and widespread usages of these robots is in the industrial businesses, where they are employed to carry massive loads in and around work areas. As these working environments might not be completely localized and could be dynamically changing, new approaches must be evaluated to guarantee a crash-free way of performing duties. This paper presents a new and efficient fusion algorithm for solving the path planning problem in a custom 2D environment. This fusion algorithm integrates an improved and optimized version of both, A* algorithm and the Artificial potential field method. Firstly, an initial or preliminary path is planned in the environmental model by adopting the A* algorithm. The heuristic function of this A* algorithm is optimized and improved according to the environmental model. This is followed by selecting and saving the key nodes in the initial path. Lastly, on the basis of these saved key nodes, path smoothing is done by artificial potential field method. Our simulation results carried out using Python viz. libraries indicate that the new fusion algorithm is feasible and superior in smoothness performance and can satisfy as a time-efficient and cheaper alternative to conventional A* strategies of path planning.
• Abstract（参考訳）: 技術と自動化の急速な成長のために、ロボットはスピードと精度の両方で、人間のタスクがロボットに取って代わられている。 これらのロボットが広く普及している主な用途の1つは、作業エリア内や周辺に大量の荷物を運ぶために雇用される産業用ロボットである。 これらの作業環境は完全にローカライズされず、動的に変化する可能性があるため、新しいアプローチは、クラッシュのない業務遂行の方法を保証するために評価されなければならない。 本稿では,カスタム2次元環境における経路計画問題を解くための新しい効率的な融合アルゴリズムを提案する。 この融合アルゴリズムは、改良された最適化されたA*アルゴリズムと人工ポテンシャル場法を統合する。 まず、A*アルゴリズムを採用することにより、環境モデルにおいて初期経路または予備経路を計画する。 このA*アルゴリズムのヒューリスティック関数は,環境モデルに従って最適化・改善される。 この後、最初のパスでキーノードを選択して保存する。 最後に、これらの保存キーノードに基づいて、人工電位場法による経路平滑化を行う。 Python viz.ライブラリを用いて行ったシミュレーション結果から,新しい融合アルゴリズムはスムーズ性に優れ,経路計画の従来のA*戦略に代わる時間効率と安価な代替手段として満足できることがわかった。

関連論文リスト

• Robotic warehousing operations: a learn-then-optimize approach to large-scale neighborhood search [84.39855372157616]
  本稿では,ワークステーションの注文処理,アイテムポッドの割り当て,ワークステーションでの注文処理のスケジュールを最適化することで,ウェアハウジングにおけるロボット部品対ピッカー操作を支援する。 そこで我々は, 大規模近傍探索を用いて, サブプロブレム生成に対する学習を最適化する手法を提案する。 Amazon Roboticsと共同で、我々のモデルとアルゴリズムは、最先端のアプローチよりも、実用的な問題に対するより強力なソリューションを生み出していることを示す。
  論文  参考訳（メタデータ） (2024-08-29T20:22:22Z)
• LLM-A*: Large Language Model Enhanced Incremental Heuristic Search on Path Planning [91.95362946266577]
  経路計画はロボット工学と自律航法における基本的な科学的問題である。 A*やその変種のような伝統的なアルゴリズムは、パスの妥当性を保証することができるが、状態空間が大きくなるにつれて、計算とメモリの非効率が著しく低下する。 本稿では, A* の正確なパスフィニング能力と LLM のグローバルな推論能力とを相乗的に組み合わせた LLM ベースの経路計画法を提案する。 このハイブリッドアプローチは、特に大規模シナリオにおいて、パス妥当性の完全性を維持しながら、時間と空間の複雑さの観点からパスフィニング効率を向上させることを目的としている。
  論文  参考訳（メタデータ） (2024-06-20T01:24:30Z)
• A Conflict-Aware Optimal Goal Assignment Algorithm for Multi-Robot Systems [6.853165736531941]
  マルチロボットアプリケーションは、衝突のない経路を確保しながら、各ロボットにユニークな目標を割り当てることを目的としている。 そこで本研究では,次の最適な割り当てを計算するための効率的な競合誘導手法を提案する。 複数のベンチマークワークスペース上で,最大100個のロボットに対して,我々のアルゴリズムを広範囲に評価した。
  論文  参考訳（メタデータ） (2024-02-19T19:04:19Z)
• Arbitrarily Scalable Environment Generators via Neural Cellular Automata [55.150593161240444]
  NCA環境ジェネレータは, 環境サイズに関わらず, 整合性, 規則化されたパターンを維持可能であることを示す。 提案手法は,類似したパターンを持つ大規模環境に対して,単エージェント強化学習ポリシーを任意に拡張する。
  論文  参考訳（メタデータ） (2023-10-28T07:30:09Z)
• POA: Passable Obstacles Aware Path-planning Algorithm for Navigation of a Two-wheeled Robot in Highly Cluttered Environments [53.41594627336511]
  パッシブル障害物認識(Passable Obstacles Aware, POA)プランナーは, 乱雑な環境下での二輪ロボットのナビゲーション手法である。 我々のアルゴリズムは、二輪ロボットが通過可能な障害物を通り抜ける道を見つけることを可能にする。
  論文  参考訳（メタデータ） (2023-07-16T19:44:27Z)
• Contribution \`a l'Optimisation d'un Comportement Collectif pour un Groupe de Robots Autonomes [0.0]
  この論文は集団ロボット工学の分野、特にマルチロボットシステムの最適化問題を研究している。 最初の貢献は、未知領域探索問題の解決にButterfly Algorithm Optimization (BOA) を用いることである。 第2の貢献は、ロボット工学における動的増分問題をベンチマークするための新しいシミュレーションフレームワークの開発である。
  論文  参考訳（メタデータ） (2023-06-10T21:49:08Z)
• A distributed, plug-n-play algorithm for multi-robot applications with a priori non-computable objective functions [2.2452191187045383]
  マルチロボットアプリケーションでは、ミッションのユーザ定義の目的を一般的な最適化問題として当てはめることができる。 これらの問題には標準勾配の差分型アルゴリズムは適用できない。 本稿では,各ロボットのサブコスト関数を慎重に設計するアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2021-11-14T20:40:00Z)
• Ranking Cost: Building An Efficient and Scalable Circuit Routing Planner with Evolution-Based Optimization [49.207538634692916]
  そこで我々は、効率よくトレーニング可能なルータを形成するための新しい回路ルーティングアルゴリズム、Randing Costを提案する。 提案手法では,A*ルータが適切な経路を見つけるのに役立つコストマップと呼ばれる新しい変数群を導入する。 我々のアルゴリズムはエンドツーエンドで訓練されており、人工データや人間の実演は一切使用しない。
  論文  参考訳（メタデータ） (2021-10-08T07:22:45Z)
• Waypoint Planning Networks [66.72790309889432]
  本稿では,ローカルカーネル(A*のような古典的アルゴリズム)と学習アルゴリズムを用いたグローバルカーネルを用いたLSTMに基づくハイブリッドアルゴリズムを提案する。 我々は、WPNとA*を比較し、動き計画ネットワーク(MPNet)やバリューネットワーク(VIN)を含む関連する作業と比較する。 WPN の探索空間は A* よりもかなり小さいが、ほぼ最適な結果が得られることが示されている。
  論文  参考訳（メタデータ） (2021-05-01T18:02:01Z)
• Sparsification for Fast Optimal Multi-Robot Path Planning in Lazy Compilation Schemes [7.766921168069532]
  複数のロボット(MRPP)の経路計画は、ロボットが最初の位置から指定された目標位置までナビゲートできる非衝突経路を見つけるタスクを表します。 本稿では,既存の SAT ベースの MRPP アルゴリズムを,対象の Boolean 符号化を導出する各ロボットの候補経路の集合を分割することで拡張する。
  論文  参考訳（メタデータ） (2021-03-08T00:57:42Z)
• Performance Improvement of Path Planning algorithms with Deep Learning Encoder Model [1.1995939891389429]
  この状況を克服するために畳み込みニューラルネットワーク(CNN)が用いられた。 本稿では,このCNNモデルを用いて性能を詳細に解析し,無駄な経路を除去する。
  論文  参考訳（メタデータ） (2020-08-05T17:34:31Z)

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。