Fugu-MT 論文翻訳(概要): [Re] Differentiable Spatial Planning using Transformers

論文の概要: [Re] Differentiable Spatial Planning using Transformers

arxiv url: http://arxiv.org/abs/2208.09536v1
Date: Fri, 19 Aug 2022 20:14:29 GMT
ステータス: 処理完了
システム内更新日: 2022-08-23 13:58:49.042442
Title: [Re] Differentiable Spatial Planning using Transformers
Title（参考訳）: 変圧器を用いた[Re]微分可能空間計画
Authors: Rohit Ranjan, Himadri Bhakta, Animesh Jha, Parv Maheshwari, Debashish Chakravarty
Abstract要約: 異なる方法での空間経路計画の問題点を考察する。提案手法は,従来のデータ駆動モデルよりも優れていることを示す。これらの主張は、実験を再現し、新しいデータ上でその方法をテストすることによって検証する。
参考スコア（独自算出の注目度）: 0.6562256987706128
License: http://creativecommons.org/licenses/by/4.0/
Abstract: This report covers our reproduction effort of the paper 'Differentiable Spatial Planning using Transformers' by Chaplot et al. . In this paper, the problem of spatial path planning in a differentiable way is considered. They show that their proposed method of using Spatial Planning Transformers outperforms prior data-driven models and leverages differentiable structures to learn mapping without a ground truth map simultaneously. We verify these claims by reproducing their experiments and testing their method on new data. We also investigate the stability of planning accuracy with maps with increased obstacle complexity. Efforts to investigate and verify the learnings of the Mapper module were met with failure stemming from a paucity of computational resources and unreachable authors.
Abstract（参考訳）: 本報告は,chaplotらによる論文 "differentiable spatial planning using transformers" の再現活動について述べる。 . 本稿では,空間的な経路計画の問題について考察する。提案手法は,従来のデータ駆動モデルに勝る空間計画トランスフォーマーを用い,微分可能な構造を利用して基底真理マップを伴わずにマッピングを学習できることを示す。これらの主張を,実験を再現して検証し,その手法を新たなデータで検証する。また,障害の複雑化を伴う地図を用いて,計画精度の安定性について検討した。 Mapperモジュールの学習を調査し検証する試みは、計算資源と到達不能な著者の多さから生じる失敗に直面した。

関連論文リスト

Learning to Plan and Generate Text with Citations [69.56850173097116]
提案手法は, テキストの忠実性, 接地性, 制御性を向上させるために最近実証されたプランベースモデルの帰属性について検討する。本稿では,異なるブループリントの変種を利用する帰属モデルと,質問をゼロから生成する抽象モデルと,質問を入力からコピーする抽出モデルを提案する。
論文参考訳（メタデータ） (2024-04-04T11:27:54Z)
Latent Plan Transformer for Trajectory Abstraction: Planning as Latent Space Inference [53.419249906014194]
オフライン強化学習から得られたデータセットを用いた計画のための生成モデルについて検討する。本稿では,Transformerベースのトラジェクトリジェネレータと最終戻り値との接続に潜時変数を利用する新しいモデルであるLatent Plan Transformerを紹介する。
論文参考訳（メタデータ） (2024-02-07T08:18:09Z)
MixTEA: Semi-supervised Entity Alignment with Mixture Teaching [13.340670739259455]
半教師付きエンティティアライメント(EA)は、トレーニングデータとして適切なラベル付きマッピングが欠如しているため、実践的で困難な作業である。そこで本研究では,手動ラベル付きマッピングと確率論的擬似マッピングによるエンドツーエンドの混合学習でモデル学習を指導するMixTEA法を提案する。
論文参考訳（メタデータ） (2023-11-08T03:49:23Z)
Transformer-Based Neural Surrogate for Link-Level Path Loss Prediction from Variable-Sized Maps [11.327456466796681]
送信機と受信機の位置に対する経路損失の推定は、ネットワーク計画やハンドオーバを含む多くのユースケースにおいて重要である。本稿では,様々な次元の地図やスパース測定からリンクレベルの特性を予測できるトランスフォーマーベースのニューラルネットワークアーキテクチャを提案する。
論文参考訳（メタデータ） (2023-10-06T20:17:40Z)
Robust Self-Supervised LiDAR Odometry via Representative Structure Discovery and 3D Inherent Error Modeling [67.75095378830694]
そこで我々は,2段階のオドメトリ推定ネットワークを構築し,一連の部分領域変換を推定してエゴモーメントを求める。本稿では,トレーニング,推論,マッピングフェーズにおける信頼できない構造の影響を軽減することを目的とする。我々の2フレームのオードメトリーは、翻訳/回転誤差の点で、過去の芸術の状態を16%/12%上回っている。
論文参考訳（メタデータ） (2022-02-27T12:52:27Z)
Smoothed Embeddings for Certified Few-Shot Learning [63.68667303948808]
我々はランダムな平滑化を数ショットの学習モデルに拡張し、入力を正規化された埋め込みにマッピングする。この結果は、異なるデータセットの実験によって確認される。
論文参考訳（メタデータ） (2022-02-02T18:19:04Z)
Differentiable Spatial Planning using Transformers [87.90709874369192]
本研究では、長距離空間依存を計画して行動を生成する障害マップを与えられた空間計画変換器(SPT)を提案する。エージェントが地上の真理マップを知らない環境では、エンド・ツー・エンドのフレームワークで事前訓練されたSPTを利用する。 SPTは、操作タスクとナビゲーションタスクの両方のすべてのセットアップにおいて、最先端の差別化可能なプランナーよりも優れています。
論文参考訳（メタデータ） (2021-12-02T06:48:16Z)
Transformer-based Map Matching Model with Limited Ground-Truth Data using Transfer-Learning Approach [6.510061176722248]
多くのトラジェクトリベースのアプリケーションでは、生のGPSトラジェクトリをデジタルマップの道路網にマッピングする必要がある。本稿では,データの観点から地図マッチングの課題を考察し,深層学習に基づく地図マッチングモデルを提案する。合成軌道データを生成し,トランスフォーマーモデルを事前学習し,有限個の接地トラスデータでモデルを微調整する。
論文参考訳（メタデータ） (2021-08-01T11:51:11Z)
Motion Planning Transformers: One Model to Plan Them All [15.82728888674882]
本稿では,複雑な動き計画問題を効率的に解くためのトランスフォーマーに基づく手法を提案する。提案手法では,まずトランスフォーマーを用いて地図上の領域を同定し,最適経路を含む可能性のある地図領域に注意を向けるとともに,最終衝突のない経路を生成するためにローカルプランナーを適用する。
論文参考訳（メタデータ） (2021-06-05T04:29:16Z)
Augmented Parallel-Pyramid Net for Attention Guided Pose-Estimation [90.28365183660438]
本稿では、注意部分モジュールと微分可能な自動データ拡張を備えた拡張並列ピラミドネットを提案する。我々は、データ拡張のシーケンスをトレーニング可能なCNNコンポーネントとして定式化する新しいポーズ検索空間を定義する。特に,本手法は,挑戦的なCOCOキーポイントベンチマークとMPIIデータセットの最先端結果において,トップ1の精度を実現する。
論文参考訳（メタデータ） (2020-03-17T03:52:17Z)

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。