Fugu-MT 論文翻訳(概要): Introduction to The Dynamic Pickup and Delivery Problem Benchmark -- ICAPS 2021 Competition

論文の概要: Introduction to The Dynamic Pickup and Delivery Problem Benchmark -- ICAPS 2021 Competition

arxiv url: http://arxiv.org/abs/2202.01256v1
Date: Wed, 19 Jan 2022 00:52:16 GMT
ステータス: 処理完了
システム内更新日: 2022-02-06 08:32:28.855469
Title: Introduction to The Dynamic Pickup and Delivery Problem Benchmark -- ICAPS 2021 Competition
Title（参考訳）: ダイナミックピックアップとデリバリ問題ベンチマークの紹介 -ICAPS 2021 コンペティション
Authors: Jianye Hao, Jiawen Lu, Xijun Li, Xialiang Tong, Xiang Xiang, Mingxuan Yuan and Hankz Hankui Zhuo
Abstract要約: このドラフトでは、実際のビジネスシナリオからの新しいベンチマークと、動的評価をサポートするシミュレータが導入されている。ベンチマークとシミュレータは、ICAPS 2021 Dynamic Pickup and Delivery Problemコンペティションで152チームが参加した。
参考スコア（独自算出の注目度）: 34.62759163275033
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: The Dynamic Pickup and Delivery Problem (DPDP) is an essential problem within the logistics domain. So far, research on this problem has mainly focused on using artificial data which fails to reflect the complexity of real-world problems. In this draft, we would like to introduce a new benchmark from real business scenarios as well as a simulator supporting the dynamic evaluation. The benchmark and simulator have been published and successfully supported the ICAPS 2021 Dynamic Pickup and Delivery Problem competition participated by 152 teams.
Abstract（参考訳）: 動的ピックアップ・デリバリ問題(DPDP)は物流領域において不可欠な問題である。これまでのところ、この問題の研究は主に実世界の問題の複雑さを反映しない人工データの利用に焦点を当てている。このドラフトでは、実際のビジネスシナリオからの新しいベンチマークと、動的評価をサポートするシミュレータを導入したいと思います。ベンチマークとシミュレータは152チームによるicps 2021のダイナミックピックアップとデリバリの問題コンペティションを成功裏にサポートした。

関連論文リスト

Overview of AI-Debater 2023: The Challenges of Argument Generation Tasks [62.443665295250035]
第2023回中国影響コンピューティング会議(CCAC 2023)におけるAI-Debater 2023チャレンジの結果を提示する。合計で32のチームがチャレンジに登録し、そこから11の応募をもらいました。
論文参考訳（メタデータ） (2024-07-20T10:13:54Z)
NeurIPS 2024 ML4CFD Competition: Harnessing Machine Learning for Computational Fluid Dynamics in Airfoil Design [15.301599529509057]
この課題は、エアフォイル設計シミュレーション(Airfoil design simulation)という、確立された物理応用の基礎となる課題に焦点を当てている。この競争はML駆動のサロゲート法を探求する先駆的な試みである。このコンペティションは、参加するすべてのソリューションに対して、オンライントレーニングと評価を提供する。
論文参考訳（メタデータ） (2024-06-30T21:48:38Z)
Airlift Challenge: A Competition for Optimizing Cargo Delivery [1.9757262195844734]
エアリフトチャレンジコンペティションは、エアリフト問題を単純化した抽象化を提供するシミュレーターを通じて可能な解決策を模索している。このシミュレーターはOpenAIのジムインターフェースを使用し、参加者はエージェントアクションを計画するアルゴリズムを作成できる。本稿では,エアリフトチャレンジの中核に位置するピックアップ・アンド・デリバリー問題に対して,一時的なPDDLドメインを提案する。
論文参考訳（メタデータ） (2024-04-26T22:30:10Z)
SynFacePAD 2023: Competition on Face Presentation Attack Detection Based on Privacy-aware Synthetic Training Data [51.42380508231581]
バイオメトリックス国際会議(IJCB 2023)におけるプライバシ・アウェア・シンセティック・トレーニングデータ(SynFacePAD 2023)に基づく顔提示攻撃検出コンペティションの概要を述べる。このコンペティションは、個人データに関連するプライバシー、法的、倫理的懸念に動機づけられた、合成ベースのトレーニングデータを考慮して、顔の提示攻撃を検出するソリューションを動機付け、誘致することを目的としている。提案されたソリューションはイノベーションと新しいアプローチを示し、調査されたベンチマークで考慮されたベースラインを上回りました。
論文参考訳（メタデータ） (2023-11-09T13:02:04Z)
Benchmarking Robustness and Generalization in Multi-Agent Systems: A Case Study on Neural MMO [50.58083807719749]
IJCAI 2022で開催されている第2回Neural MMOチャレンジの結果を報告する。この競合はマルチエージェントシステムの堅牢性と一般化をターゲットにしている。環境ラッパー、ベースライン、可視化ツール、そしてさらなる研究のための選択されたポリシーを含むベンチマークをオープンソースにします。
論文参考訳（メタデータ） (2023-08-30T07:16:11Z)
Combinatorial Optimization enriched Machine Learning to solve the Dynamic Vehicle Routing Problem with Time Windows [5.4807970361321585]
最適化層を組み込んだ新しい機械学習パイプラインを提案する。最近,EURO Meets NeurIPS Competition at NeurIPS 2022において,このパイプラインを波による動的車両ルーティング問題に適用した。提案手法は,提案した動的車両経路問題の解法において,他の全ての手法よりも優れていた。
論文参考訳（メタデータ） (2023-04-03T08:23:09Z)
The First AI4TSP Competition: Learning to Solve Stochastic Routing Problems [10.388013100067266]
本報告は,2021年人工知能国際会議(IJCAI-21)における,旅行セールスマン問題(TTSP)に関する初の国際コンペティションである。コンペティションは参加者に対して、ウェイトとタイムウィンドウ(TD-OPSWTW)による時間依存オリエンテーリング問題を解決するアルゴリズムの開発を依頼した。この研究で述べられている勝利の方法は、AIを使って問題をルーティングするための最先端のAIを進歩させた。
論文参考訳（メタデータ） (2022-01-25T16:55:33Z)
Two-Stream Consensus Network: Submission to HACS Challenge 2021 Weakly-Supervised Learning Track [78.64815984927425]
弱い監督による時間的行動ローカライゼーションの目標は、ビデオの興味ある動作を時間的に特定し、分類することである。この課題では,2ストリームコンセンサスネットワーク(TSCN)を主要なフレームワークとして採用しています。この課題では,本手法が今後の学術研究のベースラインとなることを期待して,第2位にランクインした。
論文参考訳（メタデータ） (2021-06-21T03:36:36Z)
Analysing Affective Behavior in the second ABAW2 Competition [70.86998050535944]
ABAW2 2021コンペティションは、IEEE FG 2020-コンペティションと共同で開催された最初の非常に成功したABAWコンペティションに続く第2回である。
論文参考訳（メタデータ） (2021-06-14T11:30:19Z)

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。