Fugu-MT 論文翻訳(概要): Learning Sampling Dictionaries for Efficient and Generalizable Robot Motion Planning with Transformers

論文の概要: Learning Sampling Dictionaries for Efficient and Generalizable Robot Motion Planning with Transformers

arxiv url: http://arxiv.org/abs/2306.00851v1
Date: Thu, 1 Jun 2023 16:08:30 GMT
ステータス: 処理完了
システム内更新日: 2023-06-02 14:48:25.262058
Title: Learning Sampling Dictionaries for Efficient and Generalizable Robot Motion Planning with Transformers
Title（参考訳）: 変圧器を用いた効率的なロボット動作計画のためのサンプリング辞書の学習
Authors: Jacob J Johnson, Ahmed H Qureshi and Michael Yip
Abstract要約: 本稿では,従来の学習手法の重要な一般化とスケーリングの欠点を克服するベクトル量子移動計画変換器(VQ-MPT)を提案する。 VQ-MPTは2つの段階から構成される。ステージ1は有限個のサンプリング分布を用いて計画空間を表現するためのベクトル量子変数オートエンコーダモデルであり、ステージ2はSMPのサンプリング領域を構築する自動回帰モデルである。大きな計画空間を離散集合に分割することで、プランナーはアウト・オブ・ザ・ボックスのSMPとうまくペアを組むことができ、ほぼ最適経路を生成することができる。
参考スコア（独自算出の注目度）: 1.9281724734304706
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Motion planning is integral to robotics applications such as autonomous driving, surgical robots, and industrial manipulators. Existing planning methods lack scalability to higher-dimensional spaces, while recent learning based planners have shown promise in accelerating sampling-based motion planners (SMP) but lack generalizability to out-of-distribution environments. To address this, we present a novel approach, Vector Quantized-Motion Planning Transformers (VQ-MPT) that overcomes the key generalization and scaling drawbacks of previous learning-based methods. VQ-MPT consists of two stages. Stage 1 is a Vector Quantized-Variational AutoEncoder model that learns to represent the planning space using a finite number of sampling distributions, and stage 2 is an Auto-Regressive model that constructs a sampling region for SMPs by selecting from the learned sampling distribution sets. By splitting large planning spaces into discrete sets and selectively choosing the sampling regions, our planner pairs well with out-of-the-box SMPs, generating near-optimal paths faster than without VQ-MPT's aid. It is generalizable in that it can be applied to systems of varying complexities, from 2D planar to 14D bi-manual robots with diverse environment representations, including costmaps and point clouds. Trained VQ-MPT models generalize to environments unseen during training and achieve higher success rates than previous methods.
Abstract（参考訳）: 運動計画は、自律走行、手術ロボット、産業用マニピュレータなどのロボット応用に不可欠なものである。既存の計画手法は高次元空間へのスケーラビリティを欠いているが、近年の学習ベースのプランナーはサンプリングベースのモーションプランナー (smp) を加速する可能性を示している。そこで本研究では,従来の学習手法の重要な一般化とスケーリングの欠点を克服する,ベクトル量子化計画変換器(VQ-MPT)を提案する。 VQ-MPTは2つのステージから構成される。ステージ1は有限個のサンプリング分布を用いて計画空間を表現することを学習するベクトル量子変数オートエンコーダモデルであり、ステージ2は学習したサンプリング分布集合から選択してSMPのサンプリング領域を構築する自動回帰モデルである。大規模計画空間を離散集合に分割し、サンプリング領域を選択的に選択することにより、プランナーは外部SMPとペアリングし、VQ-MPTの助けなしにほぼ最適経路を生成する。 2次元平面から、コストマップやポイントクラウドなど、多様な環境表現を持つ14次元バイマニピュレーションロボットまで、様々な複雑なシステムに適用できるという点で一般化できる。訓練されたVQ-MPTモデルは、トレーニング中に見えない環境に一般化し、従来の方法よりも高い成功率を達成する。

関連論文リスト

Simultaneous Multi-Robot Motion Planning with Projected Diffusion Models [57.45019514036948]
MRMP拡散(SMD)は、制約付き最適化を拡散サンプリングプロセスに統合し、運動学的に実現可能な軌道を生成する新しい手法である。本稿では, ロボット密度, 障害物の複雑度, 動作制約の異なるシナリオ間の軌道計画アルゴリズムを評価するための総合的MRMPベンチマークを提案する。
論文参考訳（メタデータ） (2025-02-05T20:51:28Z)
A Hybrid Evolutionary Approach for Multi Robot Coordinated Planning at Intersections [0.0]
交差点での協調型マルチロボット運動計画は、道路、工場、倉庫における安全な移動の鍵となる。本稿では,パラメトリック格子構造と離散的RRTを用いた新しい進化的アルゴリズムを提案する。
論文参考訳（メタデータ） (2024-12-02T03:40:04Z)
Global Tensor Motion Planning [18.678206099088843]
グローバルモーションプランニング(GTMP)は、テンソル操作のみを含むサンプリングベースのモーションプランニングアルゴリズムである。ランダム多部グラフとして表現された新しい離散化構造を導入し,効率的なベクトル化サンプリングを実現する。ライダースキャンされた占有マップとMotionBenchMarkerデータセットの実験は、バッチ計画におけるGTMPの計算効率を実証している。
論文参考訳（メタデータ） (2024-11-28T22:07:46Z)
SCoTT: Wireless-Aware Path Planning with Vision Language Models and Strategic Chains-of-Thought [78.53885607559958]
複雑な無線環境における経路計画を実現するために,視覚言語モデル(VLM)を用いた新しい手法を提案する。この目的のために、実世界の無線レイトレーシングデータを用いたデジタルツインからの洞察を探索する。その結果, SCoTT はDP-WA* と比較して非常に近い平均経路ゲインを実現し, 同時に一貫した経路長が得られることがわかった。
論文参考訳（メタデータ） (2024-11-27T10:45:49Z)
OPUS: Occupancy Prediction Using a Sparse Set [64.60854562502523]
学習可能なクエリの集合を用いて、占有された場所とクラスを同時に予測するフレームワークを提案する。 OPUSには、モデルパフォーマンスを高めるための非自明な戦略が組み込まれている。最も軽量なモデルではOcc3D-nuScenesデータセットの2倍 FPS に優れたRayIoUが得られる一方、最も重いモデルは6.1 RayIoUを上回ります。
論文参考訳（メタデータ） (2024-09-14T07:44:22Z)
Align Your Steps: Optimizing Sampling Schedules in Diffusion Models [63.927438959502226]
拡散モデル(DM)は、視覚領域以降における最先端の生成モデリングアプローチとして確立されている。 DMの重大な欠点は、サンプリング速度の遅いことであり、大規模なニューラルネットワークによる多くのシーケンシャルな関数評価に依存している。本稿では,DMのサンプリングスケジュールを高品質な出力に最適化する汎用的,原理的な手法を提案する。
論文参考訳（メタデータ） (2024-04-22T18:18:41Z)
Sampling for Model Predictive Trajectory Planning in Autonomous Driving using Normalizing Flows [1.2972104025246092]
本稿では,軌道生成のためのサンプリング手法について検討する。変分推論の分野を起源とする正規化フローが検討される。学習に基づく正規化フローモデルは、入力領域のより効率的な探索のために訓練される。
論文参考訳（メタデータ） (2024-04-15T10:45:12Z)
DiMSam: Diffusion Models as Samplers for Task and Motion Planning under Partial Observability [58.75803543245372]
タスク・アンド・モーション・プランニング(TAMP)アプローチは多段階自律ロボット操作の計画に適している。本稿では,TAMPシステムを用いた拡散モデルの構築により,これらの制限を克服することを提案する。古典的TAMP, 生成モデリング, 潜伏埋め込みの組み合わせによって, 多段階制約に基づく推論が可能となることを示す。
論文参考訳（メタデータ） (2023-06-22T20:40:24Z)
Intelligent Trajectory Design for RIS-NOMA aided Multi-robot Communications [59.34642007625687]
目的は,ロボットの軌道とNOMA復号命令を協調的に最適化することで,マルチロボットシステムにおける全軌道の総和率を最大化することである。 ARIMAモデルとDouble Deep Q-network (D$3$QN)アルゴリズムを組み合わせたML方式を提案する。
論文参考訳（メタデータ） (2022-05-03T17:14:47Z)
Learning Constrained Distributions of Robot Configurations with Generative Adversarial Network [15.962033896896385]
高次元ロボットシステムでは、有効な構成空間の多様体はしばしば複素形状を持つ。このような制約下で有効なロボット構成の分布を学習するための生成的敵ネットワークアプローチを提案する。
論文参考訳（メタデータ） (2020-11-11T11:43:54Z)

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。