論文の概要: Arena-Web -- A Web-based Development and Benchmarking Platform for Autonomous Navigation Approaches

• arxiv url: http://arxiv.org/abs/2302.02898v1
• Date: Mon, 6 Feb 2023 16:06:07 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-07 16:11:35.069905
• Title: Arena-Web -- A Web-based Development and Benchmarking Platform for Autonomous Navigation Approaches
• Title（参考訳）: arena-web - 自律ナビゲーションアプローチのためのwebベースの開発およびベンチマークプラットフォーム
• Authors: Linh K\"astner, Reyk Carstens, Christopher Liebig, Volodymyr Shcherbyna, Lena Nahrworld, Subhin Lee, Jens Lambrecht
• Abstract要約: 本稿では,DRL ベースのナビゲーションプランナの開発,トレーニング,テストを行う Web ベースの開発・評価スイートである Arena-Web を紹介する。 インターフェースは直感的で、非専門家にアピールし、テクノロジーを広く利用できるようにするように設計されている。
• 参考スコア（独自算出の注目度）: 2.4937400423177767
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In recent years, mobile robot navigation approaches have become increasingly important due to various application areas ranging from healthcare to warehouse logistics. In particular, Deep Reinforcement Learning approaches have gained popularity for robot navigation but are not easily accessible to non-experts and complex to develop. In recent years, efforts have been made to make these sophisticated approaches accessible to a wider audience. In this paper, we present Arena-Web, a web-based development and evaluation suite for developing, training, and testing DRL-based navigation planners for various robotic platforms and scenarios. The interface is designed to be intuitive and engaging to appeal to non-experts and make the technology accessible to a wider audience. With Arena-Web and its interface, training and developing Deep Reinforcement Learning agents is simplified and made easy without a single line of code. The web-app is free to use and openly available under the link stated in the supplementary materials.
• Abstract（参考訳）: 近年,医療分野から倉庫物流分野まで,様々な応用分野において,移動ロボットナビゲーションのアプローチがますます重要になっている。 特に、深層強化学習のアプローチは、ロボットナビゲーションで人気を集めているが、非専門家や開発が容易ではない。 近年、これらの高度なアプローチをより広い聴衆に利用できるようにする努力が続けられている。 本稿では,様々なロボットプラットフォームやシナリオを対象としたDRLベースのナビゲーションプランナの開発,トレーニング,テストを行うWebベースの開発・評価スイートであるArena-Webを紹介する。 インターフェースは直感的で、非専門家にアピールし、テクノロジーを広く利用できるようにするように設計されている。 arena-webとそのインターフェースによって、深層強化学習エージェントのトレーニングと開発が単純化され、1行のコードなしで簡単になる。 ウェブアプリは無料で利用でき、補足資料に記載されているリンクの下で公開することができる。

関連論文リスト

• Biotic Browser: Applying StreamingLLM as a Persistent Web Browsing Co-Pilot [0.0]
  Biotic Browser"は、StreamingLLMを利用してWebナビゲーションとタスク実行を変換する革新的なAIアシスタントである。 自動運転車の乗客の体験をシミュレートする能力によって特徴付けられるBiotic Browserは、拡張されたインタラクションや複雑なマルチステップのWebベースのタスクの管理に長けている。
  論文  参考訳（メタデータ） (2024-10-31T16:12:02Z)
• OpenWebVoyager: Building Multimodal Web Agents via Iterative Real-World Exploration, Feedback and Optimization [66.22117723598872]
  マルチモーダルWebエージェントの開発を容易にするために設計されたオープンソースフレームワークを紹介する。 まず、基本モデルを模倣学習で訓練し、基礎能力を得る。 次に、エージェントにオープンウェブを探索させ、その軌道に関するフィードバックを収集する。
  論文  参考訳（メタデータ） (2024-10-25T15:01:27Z)
• Hyp2Nav: Hyperbolic Planning and Curiosity for Crowd Navigation [58.574464340559466]
  我々は,群集ナビゲーションを実現するための双曲学習を提唱し,Hyp2Navを紹介した。 Hyp2Navは双曲幾何学の本質的な性質を活用し、ナビゲーションタスクにおける意思決定プロセスの階層的性質をよりよく符号化する。 本稿では, 効果的なソーシャルナビゲーション, 最高の成功率, 複数シミュレーション設定におけるリターンをもたらす, 双曲型ポリシーモデルと双曲型好奇性モジュールを提案する。
  論文  参考訳（メタデータ） (2024-07-18T14:40:33Z)
• Networking Systems for Video Anomaly Detection: A Tutorial and Survey [55.28514053969056]
  ビデオ異常検出(VAD)は人工知能(AI)コミュニティにおける基本的な研究課題である。 本稿では,各種深層学習駆動型VAD経路の基本前提,学習フレームワーク,適用シナリオについて述べる。 我々は、産業用IoTおよびスマート都市における最新のNSVAD研究と、デプロイ可能なNSVADのためのエンドクラウド共同アーキテクチャを紹介します。
  論文  参考訳（メタデータ） (2024-05-16T02:00:44Z)
• NoMaD: Goal Masked Diffusion Policies for Navigation and Exploration [57.15811390835294]
  本稿では,目標指向ナビゲーションと目標非依存探索の両方を扱うために,単一の統合拡散政策をトレーニングする方法について述べる。 この統一された政策は、新しい環境における目標を視覚的に示す際に、全体的な性能が向上することを示す。 実世界の移動ロボットプラットフォーム上で実施した実験は,5つの代替手法と比較して,見えない環境における効果的なナビゲーションを示す。
  論文  参考訳（メタデータ） (2023-10-11T21:07:14Z)
• Arena-Rosnav 2.0: A Development and Benchmarking Platform for Robot Navigation in Highly Dynamic Environments [2.194096102715421]
  Arena-Rosnav 2.0は、私たちの以前の作品であるArena-BenchとArena-Rosnavの拡張です。 ロボットナビゲーションアプローチの開発とベンチマークのための、さまざまなモジュールが追加されている。
  論文  参考訳（メタデータ） (2023-02-20T15:10:16Z)
• GNM: A General Navigation Model to Drive Any Robot [67.40225397212717]
  視覚に基づくナビゲーションのための一般的な目標条件付きモデルは、多くの異なるが構造的に類似したロボットから得られたデータに基づいて訓練することができる。 ロボット間の効率的なデータ共有に必要な設計決定について分析する。 我々は、訓練されたGNMを、下四極子を含む様々な新しいロボットに展開する。
  論文  参考訳（メタデータ） (2022-10-07T07:26:41Z)
• Human-Aware Robot Navigation via Reinforcement Learning with Hindsight Experience Replay and Curriculum Learning [28.045441768064215]
  強化学習アプローチは、シーケンシャルな意思決定問題を解決する優れた能力を示している。 本研究では,実演データを使わずにRLエージェントを訓練する作業を検討する。 密集層における最適なナビゲーションポリシーを効率的に学習するために,後視体験リプレイ(HER)とカリキュラム学習(CL)技術をRLに組み込むことを提案する。
  論文  参考訳（メタデータ） (2021-10-09T13:18:11Z)
• Towards Deployment of Deep-Reinforcement-Learning-Based Obstacle Avoidance into Conventional Autonomous Navigation Systems [10.349425078806751]
  深層強化学習は、過度に保守的なアプローチを置き換える代替計画方法として登場した。 深層強化学習アプローチは、局所ミニマに対する傾向のため、長距離ナビゲーションには適していません。 本論文では,従来のナビゲーションスタックに深層強化学習に基づくローカルプランナーを組み込んだナビゲーションシステムを提案する。
  論文  参考訳（メタデータ） (2021-04-08T08:56:53Z)
• Adversarial Environment Generation for Learning to Navigate the Web [107.99759923626242]
  Webナビゲーションエージェントのトレーニングのボトルネックの1つは、トレーニング環境の学習可能なカリキュラムを提供することです。 AEG(Adversarial Environment Generation)を使用して、強化学習(RL)エージェントを訓練する困難なWeb環境を生成することを提案する。 提案するフレキシブルb-PAIRED技術を用いて訓練したナビゲータエージェントは,競争力のある自動カリキュラム生成ベースラインを著しく上回ることを示す。
  論文  参考訳（メタデータ） (2021-03-02T19:19:30Z)

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。