論文の概要: Path Planning for Shepherding a Swarm in a Cluttered Environment using Differential Evolution

• arxiv url: http://arxiv.org/abs/2008.12639v1
• Date: Fri, 28 Aug 2020 13:17:59 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-24 02:24:04.108861
• Title: Path Planning for Shepherding a Swarm in a Cluttered Environment using Differential Evolution
• Title（参考訳）: 異種進化を用いたクラッタ環境における群れの羊飼い経路計画
• Authors: Saber Elsayed, Hemant Singh, Essam Debie, Anthony Perry, Benjamin Campbell, Robert Hunjet, Hussein Abbass
• Abstract要約: 本研究は, シェパーディングの手法を改良し, シミュレーションにより, シェファーディングの有効性を向上することを示す。 そして、障害から生じる複雑さを考慮に入れれば、経路計画アプローチはこのモデルをさらに強化できると論じる。 本研究では,2次元環境におけるエージェント群を羊飼いするための2段階の進化的経路計画アルゴリズムを提案する。
• 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: Shepherding involves herding a swarm of agents (\emph{sheep}) by another a control agent (\emph{sheepdog}) towards a goal. Multiple approaches have been documented in the literature to model this behaviour. In this paper, we present a modification to a well-known shepherding approach, and show, via simulation, that this modification improves shepherding efficacy. We then argue that given complexity arising from obstacles laden environments, path planning approaches could further enhance this model. To validate this hypothesis, we present a 2-stage evolutionary-based path planning algorithm for shepherding a swarm of agents in 2D environments. In the first stage, the algorithm attempts to find the best path for the sheepdog to move from its initial location to a strategic driving location behind the sheep. In the second stage, it calculates and optimises a path for the sheep. It does so by using \emph{way points} on that path as the sequential sub-goals for the sheepdog to aim towards. The proposed algorithm is evaluated in obstacle laden environments via simulation with further improvements achieved.
• Abstract（参考訳）: 羊飼いは、あるエージェント群 (\emph{sheep}) を別のエージェント (\emph{sheepdog}) によって目標に向かって放牧することを伴う。 この振る舞いをモデル化する複数のアプローチが文献に記録されている。 本稿では,よく知られた羊飼いアプローチの修正を行い,シミュレーションにより,この修正が羊飼いの有効性を向上させることを示す。 そして、障害から生じる複雑さを考慮に入れれば、経路計画アプローチはこのモデルをさらに強化できると論じる。 この仮説を検証するために,2次元環境におけるエージェント群を羊飼いするための2段階の進化的経路計画アルゴリズムを提案する。 最初の段階では、アルゴリズムは羊飼いが最初の場所から羊の後方の戦略的運転場所へ移動する最良の道を見つけようとする。 第2段階では、羊の経路を計算し、最適化する。 これは、羊飼いが狙うシーケンシャルなサブゴールとして、そのパス上で \emph{way points} を使用することで実現している。 提案アルゴリズムは,さらなる改良を施したシミュレーションにより,障害物層環境下で評価する。

関連論文リスト

• Path Planning in a dynamic environment using Spherical Particle Swarm Optimization [0.0]
  本研究では, 球面ベクトルを用いた粒子群最適化技術を用いたUAV用動的パスプランナ(DPP)を提案する。 経路は、チェックポイントを再計画する一組の経路として構築されている。経路長、安全、姿勢、経路平滑性はすべて、最適な経路がどうあるべきかを決定する上で考慮される。 実際のデジタル標高モデルを用いて4つのテストシナリオが実施される。それぞれのテストは、SPSO-DPPが安全で効率的な経路セグメントを生成することができるかを示すために、パスの長さと安全性に異なる優先順位を与える。
  論文  参考訳（メタデータ） (2024-03-19T13:56:34Z)
• FootstepNet: an Efficient Actor-Critic Method for Fast On-line Bipedal Footstep Planning and Forecasting [0.0]
  本研究では,障害物のある環境下を移動するための効率的なフットステップ計画法を提案する。 また,地域目標の異なる候補に到達するのに必要なステップ数を素早く推定できる予測手法を提案する。 本研究は,RoboCup 2023コンペティションにおいて,シミュレーション結果と,子供サイズのヒューマノイドロボットへの展開によるアプローチの有効性を実証する。
  論文  参考訳（メタデータ） (2024-03-19T09:48:18Z)
• Rethinking PGD Attack: Is Sign Function Necessary? [131.6894310945647]
  本稿では,このような手話に基づく更新アルゴリズムが段階的攻撃性能にどのように影響するかを理論的に分析する。 本稿では,手話の使用を排除したRGDアルゴリズムを提案する。 提案したRGDアルゴリズムの有効性は実験で広く実証されている。
  論文  参考訳（メタデータ） (2023-12-03T02:26:58Z)
• Planning-assisted autonomous swarm shepherding with collision avoidance [4.314641913939324]
  本稿では,衝突回避を考慮した自律型シェパーディングフレームワークを提案する。 提案手法は,Swarmシェパーディング問題を単一トラベリングセールスマン問題(TSP)に変換する。 適応的なスイッチングアプローチがフレームワークに統合され、障害物や羊の群れとの衝突を避けるためのリアルタイムパス計画が導かれる。
  論文  参考訳（メタデータ） (2023-01-25T00:18:45Z)
• Planning and Learning with Adaptive Lookahead [74.39132848733847]
  ポリシーイテレーション(PI)アルゴリズムは、欲求の一段階の改善と政策評価を交互に行う。 近年の文献では、複数段階のルックアヘッドポリシーの改善が、イテレーション毎の複雑さの増加を犠牲にして、よりコンバージェンス率の向上につながることが示されている。 本研究では,多段階の地平線を状態と推定値の関数として動的に適応する手法を初めて提案する。
  論文  参考訳（メタデータ） (2022-01-28T20:26:55Z)
• Using Particle Swarm Optimization as Pathfinding Strategy in a Space with Obstacles [4.899469599577755]
  Particle Swarm Optimization (PSO) は集団適応最適化に基づく探索アルゴリズムである。 本稿では,幅広いアプリケーションを対象としたパスプランニングの効率化を図るため,パスフィニング戦略を提案する。
  論文  参考訳（メタデータ） (2021-12-16T12:16:02Z)
• Targeted Attack against Deep Neural Networks via Flipping Limited Weight Bits [55.740716446995805]
  我々は,悪質な目的で展開段階におけるモデルパラメータを修飾する新しい攻撃パラダイムについて検討する。 私たちのゴールは、特定のサンプルをサンプル修正なしでターゲットクラスに誤分類することです。 整数プログラミングにおける最新の手法を利用することで、このBIP問題を連続最適化問題として等価に再構成する。
  論文  参考訳（メタデータ） (2021-02-21T03:13:27Z)
• TraND: Transferable Neighborhood Discovery for Unsupervised Cross-domain Gait Recognition [77.77786072373942]
  本稿では、教師なしクロスドメイン歩行認識のための領域ギャップを橋渡しするTransferable Neighborhood Discovery (TraND) フレームワークを提案する。 我々は、潜在空間におけるラベルなしサンプルの自信ある近傍を自動的に発見するために、エンドツーエンドのトレーニング可能なアプローチを設計する。 提案手法は,CASIA-BとOU-LPの2つの公開データセットに対して,最先端の結果を得る。
  論文  参考訳（メタデータ） (2021-02-09T03:07:07Z)
• Patch-wise++ Perturbation for Adversarial Targeted Attacks [132.58673733817838]
  トランスファビリティの高い対比例の作成を目的としたパッチワイズ反復法(PIM)を提案する。 具体的には、各イテレーションのステップサイズに増幅係数を導入し、$epsilon$-constraintをオーバーフローする1ピクセルの全体的な勾配が、その周辺領域に適切に割り当てられる。 現在の攻撃方法と比較して、防御モデルでは35.9%、通常訓練されたモデルでは32.7%、成功率を大幅に向上させた。
  論文  参考訳（メタデータ） (2020-12-31T08:40:42Z)
• Generative Adversarial Network based Heuristics for Sampling-based Path Planning [34.368519009432426]
  本稿では,サンプリングに基づく経路計画の限界を克服する画像ベース経路計画アルゴリズムを提案する。 具体的には、環境マップを他の前処理作業なしに入力として扱うために、GAN(Generative Adversarial Network)を設計する。 提案手法の有効性を検証するためのシミュレーション実験を多数実施し,本手法が初期解の品質と最適解への収束速度の面ではるかに優れた性能を発揮することを実証した。
  論文  参考訳（メタデータ） (2020-12-07T07:29:57Z)
• Deep Shells: Unsupervised Shape Correspondence with Optimal Transport [52.646396621449]
  本稿では,3次元形状対応のための教師なし学習手法を提案する。 提案手法は,複数のデータセット上での最先端技術よりも大幅に改善されていることを示す。
  論文  参考訳（メタデータ） (2020-10-28T22:24:07Z)

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。