論文の概要: A Unified View of Algorithms for Path Planning Using Probabilistic Inference on Factor Graphs

• arxiv url: http://arxiv.org/abs/2106.10442v1
• Date: Sat, 19 Jun 2021 07:13:15 GMT
• ステータス: 処理完了
• システム内更新日: 2021-06-24 10:43:13.102880
• Title: A Unified View of Algorithms for Path Planning Using Probabilistic Inference on Factor Graphs
• Title（参考訳）: 因子グラフ上の確率的推論を用いた経路計画アルゴリズムの統一的展望
• Authors: Francesco A.N. Palmieri and Krishna R. Pattipati and Giovanni Di Gennaro and Giovanni Fioretti and Francesco Verolla and Amedeo Buonanno
• Abstract要約: この研究は、様々なコスト関数から生じる特定の再帰について考察し、スコープに類似しているように見えるが、少なくとも典型的な経路計画問題に適用した場合に違いがある。 確率空間とログ空間の両方で提示されるこの統一されたアプローチは、Sum-product、Max-product、Dynamic Programming、混合Reward/Entropy基準に基づくアルゴリズムを含む非常に一般的なフレームワークを提供する。
• 参考スコア（独自算出の注目度）: 2.4874504720536317
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Even if path planning can be solved using standard techniques from dynamic programming and control, the problem can also be approached using probabilistic inference. The algorithms that emerge using the latter framework bear some appealing characteristics that qualify the probabilistic approach as a powerful alternative to the more traditional control formulations. The idea of using estimation on stochastic models to solve control problems is not new and the inference approach considered here falls under the rubric of Active Inference (AI) and Control as Inference (CAI). In this work, we look at the specific recursions that arise from various cost functions that, although they may appear similar in scope, bear noticeable differences, at least when applied to typical path planning problems. We start by posing the path planning problem on a probabilistic factor graph, and show how the various algorithms translate into specific message composition rules. We then show how this unified approach, presented both in probability space and in log space, provides a very general framework that includes the Sum-product, the Max-product, Dynamic programming and mixed Reward/Entropy criteria-based algorithms. The framework also expands algorithmic design options for smoother or sharper policy distributions, including generalized Sum/Max-product algorithm, a Smooth Dynamic programming algorithm and modified versions of the Reward/Entropy recursions. We provide a comprehensive table of recursions and a comparison through simulations, first on a synthetic small grid with a single goal with obstacles, and then on a grid extrapolated from a real-world scene with multiple goals and a semantic map.
• Abstract（参考訳）: 動的プログラミングと制御の標準的な手法で経路計画が解けるとしても、確率論的推論を用いても問題に対処できる。 後者のフレームワークを使って現れるアルゴリズムは、より伝統的な制御の定式化の強力な代替品として確率論的アプローチを許容する魅力的な特徴を持っている。 確率モデルを用いて制御問題を解くという考え方は新しいものではなく、ここで考慮される推論アプローチは、アクティブ推論(AI)とコントロール・アズ・インスペクション(CAI)のルーリックに該当する。 本稿では、様々なコスト関数から生じる特定の再帰について検討し、スコープに類似しているように見えるが、少なくとも典型的な経路計画問題に適用した場合は、顕著な違いが認められる。 まず、確率的因子グラフに経路計画問題を設定し、様々なアルゴリズムがどのように特定のメッセージ合成ルールに変換されるかを示す。 次に、確率空間とログ空間の両方で提示されたこの統一アプローチは、sum-product、max-product、dynamic programming、mixed reward/entropy criteria-basedアルゴリズムを含む非常に一般的なフレームワークを提供する。 このフレームワークはまた、一般化されたSum/Max-productアルゴリズム、Smooth Dynamicプログラミングアルゴリズム、Reward/Entropy再帰の修正版を含む、よりスムーズでシャープなポリシー分布のためのアルゴリズム設計オプションを拡張する。 まず,障害のある単一目標の合成された小さなグリッド上で,次に,複数の目標とセマンティックマップを持つ実世界のシーンから外挿されたグリッド上で,シミュレーションによる再帰の包括的表と比較を行う。

関連論文リスト

• Deterministic Trajectory Optimization through Probabilistic Optimal Control [3.2771631221674333]
  離散時間決定論的有限水平非線形最適制御問題に対する2つの新しいアルゴリズムを提案する。 どちらのアルゴリズムも確率論的最適制御として知られる新しい理論パラダイムにインスパイアされている。 このアルゴリズムの適用により、決定論的最適ポリシーに収束する確率的ポリシーの定点が得られることを示す。
  論文  参考訳（メタデータ） (2024-07-18T09:17:47Z)
• Simple Steps to Success: Axiomatics of Distance-Based Algorithmic Recourse [13.207786673115296]
  本稿では,方向に基づくアルゴリズム・リコースを計算するための,公理的に正当化されたフレームワークStEPを提案する。 StEPは、証明可能なプライバシとロバスト性保証を提供し、確立されたいくつかのデシダラタの最先端を上回ります。
  論文  参考訳（メタデータ） (2023-06-27T15:35:22Z)
• Multi-Objective Policy Gradients with Topological Constraints [108.10241442630289]
  本稿では, PPOアルゴリズムの簡単な拡張により, TMDPにおけるポリシー勾配に対する新しいアルゴリズムを提案する。 シミュレーションと実ロボットの両方の目的を任意に並べた実世界の多目的ナビゲーション問題に対して,これを実証する。
  論文  参考訳（メタデータ） (2022-09-15T07:22:58Z)
• Output-sensitive ERM-based techniques for data-driven algorithm design [29.582038951852553]
  データ駆動型アルゴリズム設計のための効率的な学習アルゴリズムを開発するための技術について研究する。 提案手法は,超平面の集合によって誘導されるポリトープを列挙する出力感受性アルゴリズムである。 本稿では、価格問題、リンクベースのクラスタリング、動的プログラミングに基づくシーケンスアライメントのアルゴリズムを提供することにより、我々の技術を説明する。
  論文  参考訳（メタデータ） (2022-04-07T17:27:18Z)
• The Parametric Cost Function Approximation: A new approach for multistage stochastic programming [4.847980206213335]
  決定論的最適化モデルのパラメータ化バージョンは、プログラミングや動的プログラミングの複雑さを伴わずに不確実性を扱う効果的な方法であることを示す。 このアプローチは複雑な高次元状態変数を処理でき、シナリオツリーや値関数近似に関連する通常の近似を避けることができる。
  論文  参考訳（メタデータ） (2022-01-01T23:25:09Z)
• Fractal Structure and Generalization Properties of Stochastic Optimization Algorithms [71.62575565990502]
  最適化アルゴリズムの一般化誤差は、その一般化尺度の根底にあるフラクタル構造の複雑性'にバウンドできることを示す。 さらに、特定の問題(リニア/ロジスティックレグレッション、隠れ/層ニューラルネットワークなど)とアルゴリズムに対して、結果をさらに専門化します。
  論文  参考訳（メタデータ） (2021-06-09T08:05:36Z)
• Joint Network Topology Inference via Structured Fusion Regularization [70.30364652829164]
  結合ネットワークトポロジ推論は、異種グラフ信号から複数のグラフラプラシア行列を学習する標準的な問題を表す。 新規な構造化融合正規化に基づく一般グラフ推定器を提案する。 提案するグラフ推定器は高い計算効率と厳密な理論保証の両方を享受できることを示す。
  論文  参考訳（メタデータ） (2021-03-05T04:42:32Z)
• Accelerated Message Passing for Entropy-Regularized MAP Inference [89.15658822319928]
  離散値のランダムフィールドにおけるMAP推論の最大化は、機械学習の基本的な問題である。 この問題の難しさから、特殊メッセージパッシングアルゴリズムの導出には線形プログラミング(LP)緩和が一般的である。 古典的加速勾配の根底にある手法を活用することにより,これらのアルゴリズムを高速化するランダム化手法を提案する。
  論文  参考訳（メタデータ） (2020-07-01T18:43:32Z)
• An Integer Linear Programming Framework for Mining Constraints from Data [81.60135973848125]
  データから制約をマイニングするための一般的なフレームワークを提案する。 特に、構造化された出力予測の推論を整数線形プログラミング(ILP)問題とみなす。 提案手法は,9×9のスドクパズルの解法を学習し,基礎となるルールを提供することなく,例からツリー問題を最小限に分散させることが可能であることを示す。
  論文  参考訳（メタデータ） (2020-06-18T20:09:53Z)
• Generating Random Logic Programs Using Constraint Programming [12.47276164048813]
  本稿では,制約プログラミングを用いてランダムな論理プログラムを生成する手法を提案する。 モデルがパラメータ値とどのようにスケールするかを示し、そのモデルを用いて確率的推論アルゴリズムを様々な合成問題で比較する。
  論文  参考訳（メタデータ） (2020-06-02T19:12:53Z)
• Polynomial-Time Exact MAP Inference on Discrete Models with Global Dependencies [83.05591911173332]
  ジャンクションツリーアルゴリズムは、実行時の保証と正確なMAP推論のための最も一般的な解である。 本稿では,ノードのクローン化による新たなグラフ変換手法を提案する。
  論文  参考訳（メタデータ） (2019-12-27T13:30:29Z)

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。