Fugu-MT 論文翻訳(概要): Multi-Agent Active Search using Detection and Location Uncertainty

論文の概要: Multi-Agent Active Search using Detection and Location Uncertainty

arxiv url: http://arxiv.org/abs/2203.04524v2
Date: Mon, 22 May 2023 06:09:36 GMT
ステータス: 処理完了
システム内更新日: 2023-05-24 06:24:17.292838
Title: Multi-Agent Active Search using Detection and Location Uncertainty
Title（参考訳）: 検出と位置不確かさを用いたマルチエージェントアクティブサーチ
Authors: Arundhati Banerjee, Ramina Ghods, Jeff Schneider
Abstract要約: アクティブ検索アルゴリズムは、検出の不確実性と位置不確実性という2つのタイプの不確実性とを競合しなければならない。まず,ターゲット検出と位置不確実性の両方を共同で扱う推論手法を提案する。次に、トンプソンサンプリングを用いて、分散マルチエージェント能動探索を可能にする意思決定アルゴリズムを構築する。
参考スコア（独自算出の注目度）: 6.587280549237275
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Active search, in applications like environment monitoring or disaster response missions, involves autonomous agents detecting targets in a search space using decision making algorithms that adapt to the history of their observations. Active search algorithms must contend with two types of uncertainty: detection uncertainty and location uncertainty. The more common approach in robotics is to focus on location uncertainty and remove detection uncertainty by thresholding the detection probability to zero or one. In contrast, it is common in the sparse signal processing literature to assume the target location is accurate and instead focus on the uncertainty of its detection. In this work, we first propose an inference method to jointly handle both target detection and location uncertainty. We then build a decision making algorithm on this inference method that uses Thompson sampling to enable decentralized multi-agent active search. We perform simulation experiments to show that our algorithms outperform competing baselines that only account for either target detection or location uncertainty. We finally demonstrate the real world transferability of our algorithms using a realistic simulation environment we created on the Unreal Engine 4 platform with an AirSim plugin.
Abstract（参考訳）: アクティブサーチ(active search, アクティブサーチ)は、環境モニタリングや災害対応ミッションのようなアプリケーションにおいて、自律的なエージェントが、彼らの観測履歴に適応する意思決定アルゴリズムを使用して、サーチスペース内のターゲットを検出する。アクティブ検索アルゴリズムは、検出の不確実性と位置不確実性という2つのタイプの不確実性と競合する必要がある。ロボット工学におけるより一般的なアプローチは、位置不確実性に注目し、検出確率を0または1に閾値付けすることで検出不確実性を取り除くことである。対照的にスパース信号処理の文献では、目標位置が正確であると仮定し、その検出の不確実性に注目することが一般的である。そこで本研究では,まずターゲット検出と位置不確かさを共同で処理する推論手法を提案する。次に,この推定法に基づいて決定アルゴリズムを構築し,トンプソンサンプリングを用いて分散マルチエージェントアクティブサーチを実現する。シミュレーション実験を行い,ターゲット検出と位置不確かさのいずれをも考慮した競合ベースラインよりもアルゴリズムの方が優れていることを示す。我々は最終的に、airsimプラグインでunreal engine 4プラットフォーム上で作成した現実的なシミュレーション環境を用いて、アルゴリズムの実際の転送可能性を示す。

関連論文リスト

SalienDet: A Saliency-based Feature Enhancement Algorithm for Object Detection for Autonomous Driving [160.57870373052577]
未知の物体を検出するために,サリエンデット法(SalienDet)を提案する。我々のSaienDetは、オブジェクトの提案生成のための画像機能を強化するために、サリエンシに基づくアルゴリズムを利用している。オープンワールド検出を実現するためのトレーニングサンプルセットにおいて、未知のオブジェクトをすべてのオブジェクトと区別するためのデータセットレザベリングアプローチを設計する。
論文参考訳（メタデータ） (2023-05-11T16:19:44Z)
Cost Aware Asynchronous Multi-Agent Active Search [6.587280549237275]
未知の環境でターゲットを検出するオンライン能動探索アルゴリズムを提案する。我々のアルゴリズムは、トンプソンサンプリング、モンテカルロ木探索、最適信頼境界の原理を組み合わせる。我々は,コストを考慮した能動探索において,アルゴリズムの性能をシミュレーションで解析し,その有効性を示す。
論文参考訳（メタデータ） (2022-10-05T13:38:30Z)
CertainNet: Sampling-free Uncertainty Estimation for Object Detection [65.28989536741658]
ニューラルネットワークの不確実性を推定することは、安全クリティカルな設定において基本的な役割を果たす。本研究では,オブジェクト検出のための新しいサンプリング不要不確実性推定法を提案する。私たちはそれをCertainNetと呼び、各出力信号に対して、オブジェクト性、クラス、位置、サイズという、別の不確実性を提供するのは、これが初めてです。
論文参考訳（メタデータ） (2021-10-04T17:59:31Z)
Selection-Expansion: A Unifying Framework for Motion-Planning and Diversity Search Algorithms [69.87173070473717]
本稿では,2つの多様性探索アルゴリズム,ノベルティ探索アルゴリズムとゴール探索処理アルゴリズムの特性について検討する。 mpアルゴリズムとの関係は、ポリシーパラメータ空間と結果空間の間のマッピングの滑らかさ、あるいは滑らかさの欠如が検索効率において重要な役割を担っていることを示している。
論文参考訳（メタデータ） (2021-04-10T13:52:27Z)
Slender Object Detection: Diagnoses and Improvements [74.40792217534]
本稿では,超高アスペクト比,すなわちtextbfslender オブジェクトの特定タイプの検出について検討する。古典的物体検出法では、細い物体に対してのみ評価される場合、COCO上の18.9%のmAPの劇的な低下が観察される。
論文参考訳（メタデータ） (2020-11-17T09:39:42Z)
Multi-Agent Active Search using Realistic Depth-Aware Noise Model [8.520962086877548]
未知の環境における関心のある物体の活発な探索には、探索と救助、ガス漏れの検出、動物の密猟者の発見など、多くのロボティクスの応用がある。既存のアルゴリズムでは、対象物の位置精度を優先することが多いが、距離や視線の関数としての物体検出の信頼性などの実用的問題は無視されている。モノクラー光学画像と深度マップからの2つの感覚情報に基づいて,複数の地上ロボットに対して,これらの問題に対処するアルゴリズムをNATS(Noss-Aware Thompson Sampling)と呼ぶ。
論文参考訳（メタデータ） (2020-11-09T23:20:55Z)
Asynchronous Multi Agent Active Search [6.587280549237275]
SPATS (Sparse Parallel Asynchronous Thompson Smpling) とLATSI (Laplace Thompson Smpling with Information gain) という2つの異なる能動探索アルゴリズムを提案する。ターゲットは、圧縮的な検知仮定に従って、環境の周囲にわずかに配置されているとみなす。提案アルゴリズムの有効性を実証するために,シミュレーション結果と理論的解析結果を提供する。
論文参考訳（メタデータ） (2020-06-25T22:17:20Z)
AutoOD: Automated Outlier Detection via Curiosity-guided Search and Self-imitation Learning [72.99415402575886]
外乱検出は重要なデータマイニングの課題であり、多くの実用的応用がある。本稿では,最適なニューラルネットワークモデルを探すことを目的とした自動外乱検出フレームワークであるAutoODを提案する。さまざまな実世界のベンチマークデータセットに対する実験結果から、AutoODが特定したディープモデルが最高のパフォーマンスを達成することが示された。
論文参考訳（メタデータ） (2020-06-19T18:57:51Z)
Anomaly Detection Under Controlled Sensing Using Actor-Critic Reinforcement Learning [31.841289319809807]
雑音性二元センサを用いたプロセス群における異常検出の問題点を考察する。ノーマルプロセスに対応するノイズレスセンサ測定は0であり、その処理が異常であればその測定は1である。本稿では,検出アルゴリズムの終了時期を動的に決定する逐次センサ選択ポリシーを提案する。
論文参考訳（メタデータ） (2020-05-26T22:53:17Z)
Expedited Multi-Target Search with Guaranteed Performance via Multi-fidelity Gaussian Processes [9.434133337939496]
本研究では,自動運転車が3次元環境下で動作し,環境の2次元フロア上で未知の静止目標を探索するシナリオを考察する。床面から異なる高度で利用可能なセンシング情報を体系的に記述する多要素ガウス法を用いて、センシング場をモデル化する。センサモデルに基づいて,マルチターゲット探索 (EMTS) と呼ばれる新しいアルゴリズムを設計し,その適用範囲と精度のトレードオフに対処する。
論文参考訳（メタデータ） (2020-05-18T02:53:52Z)
UC-Net: Uncertainty Inspired RGB-D Saliency Detection via Conditional Variational Autoencoders [81.5490760424213]
データラベリングプロセスから学習することで、RGB-Dサリエンシ検出に不確実性を利用するための第1のフレームワーク(UCNet)を提案する。そこで本研究では,サリエンシデータラベリングにヒントを得て,確率的RGB-Dサリエンシ検出ネットワークを提案する。
論文参考訳（メタデータ） (2020-04-13T04:12:59Z)

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。