論文の概要: Nonmyopic Distilled Data Association Belief Space Planning Under Budget Constraints

• arxiv url: http://arxiv.org/abs/2207.08096v1
• Date: Sun, 17 Jul 2022 07:07:47 GMT
• ステータス: 処理完了
• システム内更新日: 2022-07-19 16:15:02.450227
• Title: Nonmyopic Distilled Data Association Belief Space Planning Under Budget Constraints
• Title（参考訳）: 予算制約下における非名眼蒸留データ関連信念空間計画
• Authors: Moshe Shienman and Vadim Indelman
• Abstract要約: 本稿では,データアソシエーションを推論しながら,非神秘的な空間計画問題の解法を提案する。 予測と計画の両方における予算制約の影響を厳格に分析する。
• 参考スコア（独自算出の注目度）: 6.62472687864754
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Autonomous agents operating in perceptually aliased environments should ideally be able to solve the data association problem. Yet, planning for future actions while considering this problem is not trivial. State of the art approaches therefore use multi-modal hypotheses to represent the states of the agent and of the environment. However, explicitly considering all possible data associations, the number of hypotheses grows exponentially with the planning horizon. As such, the corresponding Belief Space Planning problem quickly becomes unsolvable. Moreover, under hard computational budget constraints, some non-negligible hypotheses must eventually be pruned in both planning and inference. Nevertheless, the two processes are generally treated separately and the effect of budget constraints in one process over the other was barely studied. We present a computationally efficient method to solve the nonmyopic Belief Space Planning problem while reasoning about data association. Moreover, we rigorously analyze the effects of budget constraints in both inference and planning.
• Abstract（参考訳）: 知覚的な環境で動作する自律エージェントは、理想的にはデータアソシエーションの問題を解決することができるはずだ。 しかし、この問題を考慮しながら将来の行動を計画することは簡単ではない。 したがって、最先端のアプローチでは、エージェントの状態や環境を表現するためにマルチモーダル仮説を用いる。 しかしながら、すべての可能なデータ関連性を考慮すると、仮説の数は計画の地平線とともに指数関数的に増加する。 そのため、対応するリーフ空間計画問題はすぐに解決不可能となる。 さらに、計算予算の厳しい制約の下では、いくつかの無視できない仮説は最終的に計画と推論の両方で破られなければならない。 しかし,2つのプロセスは一般に別々に扱われ,一方のプロセスにおける予算制約の影響についてはほとんど研究されなかった。 本稿では,データアソシエーションを推論しながら,非神秘的な空間計画問題の解法を提案する。 さらに,予算制約の影響を推測と計画の両方において厳格に分析する。

関連論文リスト

• OTClean: Data Cleaning for Conditional Independence Violations using Optimal Transport [51.6416022358349]
  sysは、条件付き独立性(CI)制約下でのデータ修復に最適な輸送理論を利用するフレームワークである。 我々はSinkhornの行列スケーリングアルゴリズムにインスパイアされた反復アルゴリズムを開発し、高次元および大規模データを効率的に処理する。
  論文  参考訳（メタデータ） (2024-03-04T18:23:55Z)
• Planning as In-Painting: A Diffusion-Based Embodied Task Planning Framework for Environments under Uncertainty [56.30846158280031]
  具体的AIのためのタスクプランニングは、最も難しい問題の1つだ。 In-paintingとしての計画」というタスク非依存の手法を提案する。 提案するフレームワークは,様々な具体的AIタスクにおいて,有望なパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2023-12-02T10:07:17Z)
• Data Association Aware POMDP Planning with Hypothesis Pruning Performance Guarantees [7.928094304325113]
  あいまいなデータアソシエーションによるプランニングのためのプルーニングに基づくアプローチを導入する。 我々の重要な貢献は、仮説の完全な集合に基づく値関数と仮説のプルーンド・サブセットに基づく値関数とのバウンダリを導出することである。 我々は,これらの境界が,ふりかえりにおけるプルーニングの証明にどのように使用できるかを実証し,その損失に対する事前定義された限界を確保するために,どの仮説がプルーンであるかを決定する新しいアプローチを提案する。
  論文  参考訳（メタデータ） (2023-03-03T18:35:01Z)
• Quantization for decentralized learning under subspace constraints [61.59416703323886]
  エージェントがサブスペース制約を最小化するために個々のコスト関数を持つ分散最適化問題を考察する。 本稿では,エージェントが確率化量子化器を用いて推定値を圧縮する適応分散型戦略を提案し,検討する。 この分析は、量子化ノイズのいくつかの一般的な条件下では、平均二乗誤差と平均ビットレートの両方で戦略が安定であることを示している。
  論文  参考訳（メタデータ） (2022-09-16T09:38:38Z)
• Planning with Dynamically Estimated Action Costs [2.8326418377665346]
  実際のAI計画アプリケーションには、アクションコストに関する情報が不可欠だ。 近年のアプローチでは、データからしばしば学習されるブラックボックス外部アクションコスト推定器が計画段階で適用されている。 本稿では,行動コストを考慮した決定論的計画の一般化を提案する。
  論文  参考訳（メタデータ） (2022-06-08T21:10:37Z)
• D2A-BSP: Distilled Data Association Belief Space Planning with Performance Guarantees Under Budget Constraints [6.62472687864754]
  不明瞭で知覚的な環境における未解決のデータアソシエーションは、ロボットの環境状態と環境状態の両方にマルチモーダル仮説をもたらす。 そこで本研究では,BSP問題の解法として,蒸留された仮説のサブセットのみを利用する新しい手法を提案する。 そこで我々は,解の質を損なうことなく,計算時間を著しく短縮する手法を提案する。
  論文  参考訳（メタデータ） (2022-02-10T11:13:24Z)
• Counterfactual Explanations as Interventions in Latent Space [62.997667081978825]
  反現実的な説明は、望ましい結果を達成するために変更が必要な機能のセットをエンドユーザに提供することを目的としています。 現在のアプローチでは、提案された説明を達成するために必要な行動の実現可能性を考慮することはめったにない。 本稿では,非現実的説明を生成する手法として,潜時空間における干渉としての対実的説明(CEILS)を提案する。
  論文  参考訳（メタデータ） (2021-06-14T20:48:48Z)
• Robust Finite-State Controllers for Uncertain POMDPs [25.377873201375515]
  不確実部分可観測決定過程 (uPOMDPs) により、標準POMDPの確率的遷移観測関数は不確実集合に属する。 UPOMDPの有限メモリポリシを計算するアルゴリズムを開発した。
  論文  参考訳（メタデータ） (2020-09-24T02:58:50Z)
• On Bayesian Search for the Feasible Space Under Computationally Expensive Constraints [0.0]
  実現可能空間と実現不可能空間の境界に解が存在する確率を結合した新しい獲得関数を提案する。 実験により提案機能の有効性が確認された。
  論文  参考訳（メタデータ） (2020-04-23T10:22:32Z)
• The empirical duality gap of constrained statistical learning [115.23598260228587]
  本研究では,制約付き統計学習問題(制約なし版)について,ほぼ全ての現代情報処理のコアとなる研究を行った。 本稿では, 有限次元パラメータ化, サンプル平均, 双対性理論を利用して, 無限次元, 未知分布, 制約を克服する制約付き統計問題に取り組むことを提案する。 フェアラーニングアプリケーションにおいて,この制約付き定式化の有効性と有用性を示す。
  論文  参考訳（メタデータ） (2020-02-12T19:12:29Z)
• Public Bayesian Persuasion: Being Almost Optimal and Almost Persuasive [57.47546090379434]
  i) 任意の状態空間, (ii) 任意の行動空間, (iii) 任意の送信者のユーティリティ関数を用いて, 一般の状況下での公衆の説得問題を考察する。 任意の公的な説得問題に対して準多項式時間ビクテリア近似アルゴリズムを提案し、特定の設定でQPTASを出力する。
  論文  参考訳（メタデータ） (2020-02-12T18:59:18Z)

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。