論文の概要: Obstacle Aware Sampling for Path Planning

• arxiv url: http://arxiv.org/abs/2203.04075v1
• Date: Tue, 8 Mar 2022 13:39:44 GMT
• ステータス: 処理完了
• システム内更新日: 2022-03-09 16:10:36.989190
• Title: Obstacle Aware Sampling for Path Planning
• Title（参考訳）: 経路計画のための障害物対応サンプリング
• Authors: Murad Tukan and Alaa Maalouf and Dan Feldman and Roi Poranne
• Abstract要約: 本稿では,地図内の障害物を効率的に識別し,サンプリング空間から除去することを目的とする。 より効率的なサンプリングを可能にする宇宙探査のための前処理アルゴリズムを提案する。 実験により,複数平面木を用いた急速探索木によるアプローチの有効性が確認された。
• 参考スコア（独自算出の注目度）: 32.47559415297187
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Many path planning algorithms are based on sampling the state space. While this approach is very simple, it can become costly when the obstacles are unknown, since samples hitting these obstacles are wasted. The goal of this paper is to efficiently identify obstacles in a map and remove them from the sampling space. To this end, we propose a pre-processing algorithm for space exploration that enables more efficient sampling. We show that it can boost the performance of other space sampling methods and path planners. Our approach is based on the fact that a convex obstacle can be approximated provably well by its minimum volume enclosing ellipsoid (MVEE), and a non-convex obstacle may be partitioned into convex shapes. Our main contribution is an algorithm that strategically finds a small sample, called the \emph{active-coreset}, that adaptively samples the space via membership-oracle such that the MVEE of the coreset approximates the MVEE of the obstacle. Experimental results confirm the effectiveness of our approach across multiple planners based on Rapidly-exploring random trees, showing significant improvement in terms of time and path length.
• Abstract（参考訳）: 多くの経路計画アルゴリズムは状態空間のサンプリングに基づいている。 このアプローチは非常に単純だが、これらの障害にぶつかるサンプルを無駄にするため、障害が不明な場合にはコストがかかる可能性がある。 本研究の目的は,地図内の障害物を効率的に同定し,サンプリング空間から取り除くことである。 そこで本研究では,より効率的なサンプリングを可能にする空間探索のための前処理アルゴリズムを提案する。 また,他の空間サンプリング手法やパスプランナーの性能向上が期待できることを示した。 本手法は, 最小体積包絡楕円体(mvee)によって凸障害物を十分に近似することができ, 非凸障害物を凸形状に分割することができることに基づく。 我々の主な貢献は、コアセットのMVEEが障害物のMVEEに近似するように、メンバシップ・オークルを介して空間を適応的にサンプリングする「emph{active-coreset}」と呼ばれる小さなサンプルを戦略的に見つけるアルゴリズムである。 実験結果から,複数のプランナーにまたがるアプローチの有効性を確認し,時間と経路長の点で有意な改善を示した。

関連論文リスト

• Learning a Fast Mixing Exogenous Block MDP using a Single Trajectory [87.62730694973696]
  STEELは、単一軌道から外因性ブロックマルコフ決定過程の制御可能なダイナミクスを学習するための、最初の証明可能なサンプル効率アルゴリズムである。 我々は,STEELが正解であり,サンプル効率が良いことを証明し,STEELを2つの玩具問題で実証した。
  論文  参考訳（メタデータ） (2024-10-03T21:57:21Z)
• 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)
• CBAGAN-RRT: Convolutional Block Attention Generative Adversarial Network for Sampling-Based Path Planning [0.0]
  本稿では,畳み込みブロック注意生成ネットワークを用いた新しい画像ベース学習アルゴリズム(CBAGAN-RRT)を提案する。 GANモデルから生成された経路の確率分布を用いて,RRTアルゴリズムのサンプリングプロセスを導出する。 我々は、citezhang 2021によって生成されたデータセット上で、我々のネットワークをトレーニングし、テストし、我々のアルゴリズムが過去の最先端アルゴリズムより優れていることを示す。
  論文  参考訳（メタデータ） (2023-05-13T20:06:53Z)
• Linearized Wasserstein dimensionality reduction with approximation guarantees [65.16758672591365]
  LOT Wassmap は、ワーッサーシュタイン空間の低次元構造を明らかにするための計算可能なアルゴリズムである。 我々は,LOT Wassmapが正しい埋め込みを実現し,サンプルサイズの増加とともに品質が向上することを示す。 また、LOT Wassmapがペア距離計算に依存するアルゴリズムと比較して計算コストを大幅に削減することを示す。
  論文  参考訳（メタデータ） (2023-02-14T22:12:16Z)
• Reducing Collision Checking for Sampling-Based Motion Planning Using Graph Neural Networks [10.698553177585973]
  本研究では,衝突チェックを減らし,動作計画の高速化を図るための新しい学習手法を提案する。 経路探索と経路平滑化を行うグラフニューラルネットワーク(GNN)を訓練する。 実験の結果,学習したコンポーネントは衝突チェックを著しく低減し,全体の計画効率を向上できることがわかった。
  論文  参考訳（メタデータ） (2022-10-17T09:02:04Z)
• PCB-RandNet: Rethinking Random Sampling for LIDAR Semantic Segmentation in Autonomous Driving Scene [15.516687293651795]
  大規模LiDAR点雲のセマンティックセグメンテーションのための新しいポーラシリンダバランスランダムサンプリング法を提案する。 さらに,セグメント化性能を向上し,異なるサンプリング法下でのモデルのばらつきを低減するため,サンプリング一貫性損失が導入された。 提案手法は,SemanticKITTIベンチマークとSemanticPOSSベンチマークの両方で優れた性能を示し,それぞれ2.8%と4.0%の改善を実現している。
  論文  参考訳（メタデータ） (2022-09-28T02:59:36Z)
• 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)
• AOT: Appearance Optimal Transport Based Identity Swapping for Forgery Detection [76.7063732501752]
  顔偽造検出のための外観の相違が大きい新しい識別スワップアルゴリズムを提案する。 外観のギャップは主に、照明と肌の色における大きな相違から生じる。 実画像パッチと偽画像パッチの混在とを識別するために識別器を導入する。
  論文  参考訳（メタデータ） (2020-11-05T06:17:04Z)
• Autonomous UAV Exploration of Dynamic Environments via Incremental Sampling and Probabilistic Roadmap [0.3867363075280543]
  インクリメンタルサンプリングと確率的ロードマップ(PRM)を用いた未知環境探索のための新しい動的探索プランナ(DEP)を提案する。 本手法は, 動的環境を安全に探索し, 探索時間, 経路長, 計算時間でベンチマークプランナーより優れている。
  論文  参考訳（メタデータ） (2020-10-14T22:52:37Z)
• Adaptive Sampling for Best Policy Identification in Markov Decision Processes [79.4957965474334]
  本稿では,学習者が生成モデルにアクセスできる場合の,割引マルコフ決定(MDP)における最良の政治的識別の問題について検討する。 最先端アルゴリズムの利点を論じ、解説する。
  論文  参考訳（メタデータ） (2020-09-28T15:22:24Z)
• Carath\'eodory Sampling for Stochastic Gradient Descent [79.55586575988292]
  本稿では,Tchakaloff と Carath'eodory の古典的な結果から着想を得た手法を提案する。 我々は、測定値の低減を行う降下ステップを適応的に選択する。 これをBlock Coordinate Descentと組み合わせることで、測定の削減を極めて安価に行えるようにします。
  論文  参考訳（メタデータ） (2020-06-02T17:52:59Z)

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。