論文の概要: The Faulty GPS Problem: Shortest Time Paths in Networks with Unreliable Directions

• arxiv url: http://arxiv.org/abs/2111.09093v1
• Date: Wed, 17 Nov 2021 13:20:08 GMT
• ステータス: 処理完了
• システム内更新日: 2021-11-18 17:52:54.384270
• Title: The Faulty GPS Problem: Shortest Time Paths in Networks with Unreliable Directions
• Title（参考訳）: GPSの故障:信頼できない方向のネットワークでの最短経路
• Authors: Steve Alpern
• Abstract要約: ネットワーク Q のすべての分岐ノードにおいて、サトナフ (GPS) は目的地へ導く弧 H を指している。 もし少なくとも期待された時間に H に到達したいなら、どの確率=q(Q,p) でポインタを信頼すべきだろうか? 信頼確率が現在のノードの度合いと2人の探索者が最初にHに到達しようとする宝探しに依存するようなバージョンを考える。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper optimizes motion planning when there is a known risk that the road choice suggested by a Satnav (GPS) is not on a shortest path. At every branch node of a network Q, a Satnav (GPS) points to the arc leading to the destination, or home node, H - but only with a high known probability p. Always trusting the Satnav's suggestion may lead to an infinite cycle. If one wishes to reach H in least expected time, with what probability q=q(Q,p) should one trust the pointer (if not, one chooses randomly among the other arcs)? We call this the Faulty Satnav (GPS) Problem. We also consider versions where the trust probability q can depend on the degree of the current node and a `treasure hunt' where two searchers try to reach H first. The agent searching for H need not be a car, that is just a familiar example -- it could equally be a UAV receiving unreliable GPS information. This problem has its origin not in driver frustration but in the work of Fonio et al (2017) on ant navigation, where the pointers correspond to pheromone markers pointing to the nest. Neither the driver or ant will know the exact process by which a choice (arc) is suggested, which puts the problem into the domain of how much to trust an option suggested by AI.
• Abstract（参考訳）: 本稿では,サトナフ (GPS) が提案する道路選択が最短経路にないという既知のリスクがある場合の移動計画の最適化を行う。 ネットワーク Q のすべての分岐ノードにおいて、サトナフ (GPS) は目的地やホームノード H に至る弧を指しているが、既知の確率 p のみである。 サトナフの提案を常に信頼することは無限サイクルにつながるかもしれない。 最小限の時間で H に到達したい場合、どの確率 q=q(Q,p) がポインターを信頼すべきか(そうでなければ、他の弧の中からランダムに選ぶ)。 私たちはこれをFaulty Satnav (GPS)問題と呼ぶ。 また、信頼確率 q が現在のノードの度合いに依存するバージョンや、2人の探索者が最初に H に到達しようとする 'トレジャーハント' も検討する。 Hを検索するエージェントは車である必要はないが、これはよく知られた例に過ぎず、信頼性の低いGPS情報を受信するUAVかもしれない。 この問題は、ドライバーのフラストレーションではなく、アリナビゲーションに関するFonio et al (2017) の作業に起源があり、ポインタは巣を指しているフェロモンマーカーに対応している。 ドライバーやアリは、選択(弧)が提案される正確なプロセスも知らないため、AIが提案する選択肢をどれだけ信頼するかという領域に問題をもたらす。

関連論文リスト

• Precise Payload Delivery via Unmanned Aerial Vehicles: An Approach Using Object Detection Algorithms [0.0]
  マイクロクラスUAVの開発について述べるとともに,新しいナビゲーション手法を提案する。 ディープラーニングベースのコンピュータビジョンアプローチを採用して、UAVをペイロードの配送位置にマークされたターゲットを特定し、正確に調整する。 提案手法は従来のGPS手法よりも平均水平精度を500%向上させる。
  論文  参考訳（メタデータ） (2023-10-10T05:54:04Z)
• Monte-Carlo Tree Search for Multi-Agent Pathfinding: Preliminary Results [60.4817465598352]
  マルチエージェントパスフィンディングに適したモンテカルロ木探索(MCTS)のオリジナル版を紹介する。 具体的には,エージェントの目標達成行動を支援するために,個別の経路を用いる。 また,木探索手順の分岐係数を低減するために,専用の分解手法を用いる。
  論文  参考訳（メタデータ） (2023-07-25T12:33:53Z)
• GoRela: Go Relative for Viewpoint-Invariant Motion Forecasting [121.42898228997538]
  精度や一般化を犠牲にすることなく、全てのエージェントとマップに対して効率的な共有符号化を提案する。 不均一空間グラフにおけるエージェントとマップ要素間の幾何学的関係を表現するために、ペアワイズ相対的な位置符号化を利用する。 我々のデコーダは視点非依存であり、レーングラフ上でエージェント目標を予測し、多様かつコンテキスト対応のマルチモーダル予測を可能にする。
  論文  参考訳（メタデータ） (2022-11-04T16:10:50Z)
• ViKiNG: Vision-Based Kilometer-Scale Navigation with Geographic Hints [94.60414567852536]
  長距離航法には、計画と局所的な移動可能性の推論の両方が必要である。 学習と計画を統合する学習に基づくアプローチを提案する。 ViKiNGは、画像ベースの学習コントローラを利用できる。
  論文  参考訳（メタデータ） (2022-02-23T02:14:23Z)
• Digital Contact Tracing for Covid 19 [0.0]
  新型コロナウイルス感染症(COVID19)は、新型コロナウイルスの感染が人為感染によるものと推定され、世界的な緊急事態を招いた。 旅行履歴,無症状,症状のないユーザと接触したユーザを追跡する必要があるが,将来的にはそうなる可能性がある。 本研究は,GPSとクラウドコンピューティング技術を用いた接触追跡手法を提案する。
  論文  参考訳（メタデータ） (2021-05-22T07:03:50Z)
• 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)
• A* Search Without Expansions: Learning Heuristic Functions with Deep Q-Networks [70.0197695666261]
  Q*検索は,ノードの子どもの移動コストと値の和を利用するために,深いQ-networksを用いて探索をガイドする検索アルゴリズムである。 我々は1872のメタアクションを含む大きなアクション空間で定式化された場合、Q*探索を用いてルービックキューブを解く。 Q*検索は最大129倍速く、A*検索の最大1288倍のノードを生成する。
  論文  参考訳（メタデータ） (2021-02-08T20:36:41Z)
• Road Network Metric Learning for Estimated Time of Arrival [93.0759529610483]
  本稿では,ATA(Estimated Time of Arrival)のための道路ネットワークメトリックラーニングフレームワークを提案する。 本研究は,(1)走行時間を予測する主回帰タスク,(2)リンク埋め込みベクトルの品質向上のための補助的計量学習タスクの2つの構成要素から構成される。 提案手法は最先端モデルよりも優れており,その促進は少ないデータでコールドリンクに集中していることを示す。
  論文  参考訳（メタデータ） (2020-06-24T04:45:14Z)
• Extending the Multiple Traveling Salesman Problem for Scheduling a Fleet of Drones Performing Monitoring Missions [4.477547027158141]
  事前に定義された地点でノードを複数回訪問する必要があるグラフ上で、一連のドローンの走行経路をスケジュールする方法を示す。 提案した定式化は,交通ネットワークにおける交通流のモニタリングや遠隔地からの探索・救助活動の監視など,いくつかの領域に適用することができる。 詳細な評価では、グリーディアルゴリズムは最適の92.06%でほぼ最適性能を示し、数百台のドローンや位置で設定できる可能性がある。
  論文  参考訳（メタデータ） (2020-06-02T09:17:18Z)
• Destination Prediction Based on Partial Trajectory Data [4.783019576803369]
  新車を買う人の3分の2は、内蔵のナビゲーションシステムの代わりに代用車を好んでいる。 多くのアプリケーションでは、ユーザの意図する目的地やルートに関する知識が不可欠である。 提案手法は,最新の部分軌跡と追加の文脈データに基づいて,車両の行き先や経路を予測する。
  論文  参考訳（メタデータ） (2020-04-16T06:26:10Z)
• Enhance the performance of navigation: A two-stage machine learning approach [13.674463804942837]
  リアルタイム交通ナビゲーションはスマートトランスポート技術において重要な機能である。 本稿では,アンサンブル学習の考え方を採用し,正確なナビゲーション結果を与えるための2段階の機械学習モデルを開発する。
  論文  参考訳（メタデータ） (2020-04-02T08:55:27Z)

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。