Fugu-MT 論文翻訳(概要): Vertex-based Networks to Accelerate Path Planning Algorithms

論文の概要: Vertex-based Networks to Accelerate Path Planning Algorithms

arxiv url: http://arxiv.org/abs/2307.07059v1
Date: Thu, 13 Jul 2023 20:56:46 GMT
ステータス: 処理完了
システム内更新日: 2023-07-17 15:30:46.173866
Title: Vertex-based Networks to Accelerate Path Planning Algorithms
Title（参考訳）: 経路計画アルゴリズムを高速化する頂点ネットワーク
Authors: Yuanhang Zhang and Jundong Liu
Abstract要約: 本稿では,RT* のサンプリングプロセスを強化するため,頂点に基づくネットワークの利用を提案し,より効率的な経路計画手法を提案する。我々は、関連するデータ不均衡問題に対処するために焦点損失を採用し、異なるマスキング構成を探索し、システム性能の実用的なトレードオフを決定する。
参考スコア（独自算出の注目度）: 3.684936338492373
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Path planning plays a crucial role in various autonomy applications, and RRT* is one of the leading solutions in this field. In this paper, we propose the utilization of vertex-based networks to enhance the sampling process of RRT*, leading to more efficient path planning. Our approach focuses on critical vertices along the optimal paths, which provide essential yet sparser abstractions of the paths. We employ focal loss to address the associated data imbalance issue, and explore different masking configurations to determine practical tradeoffs in system performance. Through experiments conducted on randomly generated floor maps, our solutions demonstrate significant speed improvements, achieving over a 400% enhancement compared to the baseline model.
Abstract（参考訳）: パスプランニングは、様々な自律アプリケーションにおいて重要な役割を担い、RT*はこの分野における主要なソリューションの1つです。本稿では,RT*のサンプリングプロセスを強化するために,頂点ベースのネットワークの利用を提案し,より効率的な経路計画手法を提案する。提案手法は最適経路に沿った批判的頂点に焦点をあて,経路の重要な抽象概念を提供する。我々は、関連するデータ不均衡問題に対処するために焦点損失を採用し、システム性能の実際のトレードオフを決定するために異なるマスキング構成を探索する。ランダムに生成したフロアマップで行った実験により,提案手法は,ベースラインモデルと比較して400%以上の高速化を実現した。

関連論文リスト

GASE: Graph Attention Sampling with Edges Fusion for Solving Vehicle Routing Problems [6.084414764415137]
車両のルーティング問題を解決するためにEdges Fusionフレームワークを用いた適応型グラフ注意サンプリングを提案する。提案手法は,既存の手法を2.08%-6.23%上回り,より強力な一般化能力を示す。
論文参考訳（メタデータ） (2024-05-21T03:33:07Z)
Deep Reinforcement Learning for Traveling Purchaser Problems [63.37136587778153]
旅行購入問題(TPP)は幅広いアプリケーションにおいて重要な最適化問題である。本稿では,ルート構築と購入計画を個別に扱う,深層強化学習(DRL)に基づく新しいアプローチを提案する。メタラーニング戦略を導入することで、大規模なTPPインスタンス上で安定してポリシーネットワークをトレーニングすることができる。
論文参考訳（メタデータ） (2024-04-03T05:32:10Z)
An Efficient Learning-based Solver Comparable to Metaheuristics for the Capacitated Arc Routing Problem [67.92544792239086]
我々は,高度メタヒューリスティックスとのギャップを著しく狭めるため,NNベースの解法を導入する。まず,方向対応型注意モデル(DaAM)を提案する。第2に、教師付き事前学習を伴い、堅牢な初期方針を確立するための教師付き強化学習スキームを設計する。
論文参考訳（メタデータ） (2024-03-11T02:17:42Z)
Learning Coverage Paths in Unknown Environments with Deep Reinforcement Learning [17.69984142788365]
被覆経路計画 (CPP) は、制限された領域の自由空間全体をカバーする経路を見つける問題である。この課題に対する強化学習の適性について検討する。本稿では,フロンティアに基づく計算可能なエゴセントリックマップ表現と,全変動に基づく新たな報酬項を提案する。
論文参考訳（メタデータ） (2023-06-29T14:32:06Z)
CBAGAN-RRT: Convolutional Block Attention Generative Adversarial Network for Sampling-Based Path Planning [0.0]
本稿では,畳み込みブロック注意生成ネットワークを用いた新しい画像ベース学習アルゴリズム(CBAGAN-RRT)を提案する。 GANモデルから生成された経路の確率分布を用いて,RRTアルゴリズムのサンプリングプロセスを導出する。我々は、citezhang 2021によって生成されたデータセット上で、我々のネットワークをトレーニングし、テストし、我々のアルゴリズムが過去の最先端アルゴリズムより優れていることを示す。
論文参考訳（メタデータ） (2023-05-13T20:06:53Z)
MARLIN: Soft Actor-Critic based Reinforcement Learning for Congestion Control in Real Networks [63.24965775030673]
そこで本研究では,汎用的な渋滞制御(CC)アルゴリズムを設計するための新しい強化学習(RL)手法を提案する。我々の解であるMARLINは、Soft Actor-Criticアルゴリズムを用いてエントロピーとリターンの両方を最大化する。我々は,MARLINを実ネットワーク上で訓練し,実ミスマッチを克服した。
論文参考訳（メタデータ） (2023-02-02T18:27:20Z)
Robust Path Selection in Software-defined WANs using Deep Reinforcement Learning [18.586260468459386]
本稿では、経路計算と経路更新のオーバーヘッドを考慮した、ネットワーク内の経路選択を行うデータ駆動アルゴリズムを提案する。提案手法は,ECMPなどの従来のTE方式に比べてリンク利用率を40%削減できる。
論文参考訳（メタデータ） (2022-12-21T16:08:47Z)
Fidelity-Guarantee Entanglement Routing in Quantum Networks [64.49733801962198]
絡み合いルーティングは、2つの任意のノード間のリモート絡み合い接続を確立する。量子ネットワークにおける複数のソース・デスティネーション(SD)ペアの忠実性を保証するために、精製可能な絡み合わせルーティング設計を提案する。
論文参考訳（メタデータ） (2021-11-15T14:07:22Z)
Deep Learning Aided Packet Routing in Aeronautical Ad-Hoc Networks Relying on Real Flight Data: From Single-Objective to Near-Pareto Multi-Objective Optimization [79.96177511319713]
航空アドホックネットワーク(AANET)のルーティングを支援するために、ディープラーニング(DL)を起動する。フォワードノードによって観測された局所的な地理的情報を最適な次のホップを決定するために必要な情報にマッピングするために、ディープニューラルネットワーク(DNN)が考案される。 DL支援ルーティングアルゴリズムを多目的シナリオに拡張し,遅延を最小化し,経路容量を最大化し,経路寿命を最大化する。
論文参考訳（メタデータ） (2021-10-28T14:18:22Z)
Conditional Generative Adversarial Networks for Optimal Path Planning [30.892250698479064]
条件付き生成逆数ネットワーク(CGAN)と修正RT*アルゴリズム(CGANRRT*で記述)に基づく新しい学習経路計画アルゴリズムを提案する。 CGANモデルは、地上の真理マップから学習することで訓練され、それぞれがRRTアルゴリズムの実行結果を1つの生地図上で50回行った結果から生成される。 CGAN-RRT* アルゴリズムと従来の RRT* アルゴリズムを比較することで,この CGAN モデルの有効性を実証する。
論文参考訳（メタデータ） (2020-12-06T02:53:50Z)
Distributed Multi-agent Meta Learning for Trajectory Design in Wireless Drone Networks [151.27147513363502]
本稿では,動的無線ネットワーク環境で動作するエネルギー制約型ドローン群に対する軌道設計の問題点について検討する。値ベース強化学習(VDRL)ソリューションとメタトレイン機構を提案する。
論文参考訳（メタデータ） (2020-12-06T01:30:12Z)

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。