論文の概要: A Multi-Heuristic Search-based Motion Planning for Automated Parking
- arxiv url: http://arxiv.org/abs/2307.07857v1
- Date: Sat, 15 Jul 2023 17:33:06 GMT
- ステータス: 処理完了
- システム内更新日: 2023-07-18 17:28:24.132662
- Title: A Multi-Heuristic Search-based Motion Planning for Automated Parking
- Title（参考訳）: 自動駐車のためのマルチヒューリスティック検索に基づく運動計画
- Authors: Bhargav Adabala, Zlatan Ajanovi\'c
- Abstract要約: 駐車場や建設現場のような非構造環境においては、リアルタイムな計画の実現が困難である。
我々は、複数の関数とその個々の利点を利用できるマルチヒューリスティック検索アプローチを採用しています。
Multi-Heuristic A*アルゴリズムは、非常に人気のある検索ベースのアルゴリズムであるHybrid A*に対してベンチマークされる。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/publicdomain/zero/1.0/
- Abstract: In unstructured environments like parking lots or construction sites, due to
the large search-space and kinodynamic constraints of the vehicle, it is
challenging to achieve real-time planning. Several state-of-the-art planners
utilize heuristic search-based algorithms. However, they heavily rely on the
quality of the single heuristic function, used to guide the search. Therefore,
they are not capable to achieve reasonable computational performance, resulting
in unnecessary delays in the response of the vehicle. In this work, we are
adopting a Multi-Heuristic Search approach, that enables the use of multiple
heuristic functions and their individual advantages to capture different
complexities of a given search space. Based on our knowledge, this approach was
not used previously for this problem. For this purpose, multiple admissible and
non-admissible heuristic functions are defined, the original Multi-Heuristic A*
Search was extended for bidirectional use and dealing with hybrid
continuous-discrete search space, and a mechanism for adapting scale of motion
primitives is introduced. To demonstrate the advantage, the Multi-Heuristic A*
algorithm is benchmarked against a very popular heuristic search-based
algorithm, Hybrid A*. The Multi-Heuristic A* algorithm outperformed baseline in
both terms, computation efficiency and motion plan (path) quality.
- Abstract（参考訳）: 駐車場や建設現場のような非構造環境では、大きな探索空間と車両の運動力学的制約のため、リアルタイムな計画達成は困難である。
いくつかの最先端のプランナーはヒューリスティック検索に基づくアルゴリズムを利用している。
しかし、検索のガイドとして使用される単一のヒューリスティック関数の品質に大きく依存している。
そのため、合理的な計算性能を達成できないため、車両の応答に不必要な遅延が発生する。
本研究では,複数のヒューリスティック関数とその個々のアドバンテージを用いて,与えられた探索空間の異なる複雑度を捉えるマルチヒューリスティック探索手法を採用する。
私たちの知識では、このアプローチは以前、この問題に使われていなかった。
この目的のために、複数の許容および非許容ヒューリスティック関数を定義し、双方向利用とハイブリッドな連続離散探索空間を扱うために元のマルチヒューリスティックa*探索を拡張し、運動プリミティブのスケールを適応させる機構を導入する。
この利点を示すために、マルチヒューリスティックA*アルゴリズムは、非常に人気のあるヒューリスティック検索ベースのアルゴリズムであるHybrid A*に対してベンチマークされる。
マルチヒューリスティックA*アルゴリズムは、計算効率と運動計画(パス)品質の両方でベースラインを上回った。
関連論文リスト
- Heuristic Search for Multi-Objective Probabilistic Planning [0.0]
ヒューリスティック検索は、幅広い計画問題にうまく適用された強力なアプローチである。
ここでは、探索の範囲をより多くの問題、すなわちMOSSP(Multi-jective shortest paths)に拡張する。
我々は、よく知られたSSPアルゴリズムを多目的問題に拡張するMOLAO* と MOLRTDP を設計する。
論文 参考訳（メタデータ） (2023-03-25T05:18:22Z) - Efficient Non-Parametric Optimizer Search for Diverse Tasks [93.64739408827604]
興味のあるタスクを直接検索できる,スケーラブルで汎用的なフレームワークを初めて提示する。
基礎となる数学表現の自然木構造に着想を得て、空間を超木に再配置する。
我々は,モンテカルロ法を木探索に適用し,レジェクションサンプリングと等価形状検出を備える。
論文 参考訳（メタデータ） (2022-09-27T17:51:31Z) - A distributed, plug-n-play algorithm for multi-robot applications with a
priori non-computable objective functions [2.2452191187045383]
マルチロボットアプリケーションでは、ミッションのユーザ定義の目的を一般的な最適化問題として当てはめることができる。
これらの問題には標準勾配の差分型アルゴリズムは適用できない。
本稿では,各ロボットのサブコスト関数を慎重に設計するアルゴリズムを提案する。
論文 参考訳（メタデータ） (2021-11-14T20:40:00Z) - Model-based Decision Making with Imagination for Autonomous Parking [50.41076449007115]
提案アルゴリズムは,駐車前に結果を予測するための想像モデル,高速探索ランダムツリー(RRT)の改良,経路平滑化モジュールの3つの部分から構成される。
われわれのアルゴリズムは、実際のキネマティックな車両モデルに基づいており、実際の自動運転車にアルゴリズムを適用するのにより適している。
アルゴリズムの有効性を評価するため,3つの異なる駐車シナリオにおいて,従来のRTとアルゴリズムを比較した。
論文 参考訳（メタデータ） (2021-08-25T18:24:34Z) - Prioritized SIPP for Multi-Agent Path Finding With Kinematic Constraints [0.0]
MAPF(Multi-Agent Path Finding)は、ロボティクスと人工知能における長年の問題である。
この問題をある程度緩和する手法を提案する。
論文 参考訳（メタデータ） (2021-08-11T10:42:11Z) - Selection-Expansion: A Unifying Framework for Motion-Planning and
Diversity Search Algorithms [69.87173070473717]
本稿では,2つの多様性探索アルゴリズム,ノベルティ探索アルゴリズムとゴール探索処理アルゴリズムの特性について検討する。
mpアルゴリズムとの関係は、ポリシーパラメータ空間と結果空間の間のマッピングの滑らかさ、あるいは滑らかさの欠如が検索効率において重要な役割を担っていることを示している。
論文 参考訳（メタデータ） (2021-04-10T13:52:27Z) - AutoSpace: Neural Architecture Search with Less Human Interference [84.42680793945007]
現在のニューラルネットワークアーキテクチャ検索(NAS)アルゴリズムは、ネットワーク構築のための検索空間を設計するための専門知識と努力を必要とします。
探索空間を最適なものに進化させる新しい微分可能な進化フレームワークであるAutoSpaceを提案する。
学習した検索空間では、最近のNASアルゴリズムの性能は、以前手作業で設計した空間に比べて大幅に改善できる。
論文 参考訳（メタデータ） (2021-03-22T13:28:56Z) - Policy-Guided Heuristic Search with Guarantees [31.323430201941378]
Policy-guided Heuristic Search (PHS) は、関数とポリシーの両方を利用する新しい検索アルゴリズムである。
PHS は A*, Weighted A*, Greedy Best-First Search, LevinTS, PUCT と, 解決された問題数と検索時間の点で比較できる。
論文 参考訳（メタデータ） (2021-03-21T22:30:57Z) - Towards Optimally Efficient Tree Search with Deep Learning [76.64632985696237]
本稿では,線形モデルから信号整数を推定する古典整数最小二乗問題について検討する。
問題はNPハードであり、信号処理、バイオインフォマティクス、通信、機械学習といった様々な応用でしばしば発生する。
本稿では, 深いニューラルネットワークを用いて, 単純化されたメモリバウンドA*アルゴリズムの最適推定を推定し, HATSアルゴリズムを提案する。
論文 参考訳（メタデータ） (2021-01-07T08:00:02Z) - Learning Heuristic Selection with Dynamic Algorithm Configuration [44.91083687014879]
計画システムの動的選択力学に動的アルゴリズム構成を用いることができることを示す。
提案手法は,既存のアプローチよりも一般化し,ドメイン探索の性能を指数関数的に向上させることができることを示す。
論文 参考訳（メタデータ） (2020-06-15T09:35:07Z) - Learning to Accelerate Heuristic Searching for Large-Scale Maximum
Weighted b-Matching Problems in Online Advertising [51.97494906131859]
バイパルタイトbマッチングはアルゴリズム設計の基本であり、経済市場や労働市場などに広く適用されている。
既存の正確で近似的なアルゴリズムは、通常そのような設定で失敗する。
我々は、以前の事例から学んだ知識を活用して、新しい問題インスタンスを解決するtextttNeuSearcherを提案する。
論文 参考訳（メタデータ） (2020-05-09T02:48:23Z)
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。