論文の概要: Bayesian inference for data-efficient, explainable, and safe robotic motion planning: A review

• arxiv url: http://arxiv.org/abs/2307.08024v1
• Date: Sun, 16 Jul 2023 12:29:27 GMT
• ステータス: 処理完了
• システム内更新日: 2023-07-18 16:13:21.738145
• Title: Bayesian inference for data-efficient, explainable, and safe robotic motion planning: A review
• Title（参考訳）: データ効率、説明可能、安全なロボット動作計画のためのベイジアン推論:レビュー
• Authors: Chengmin Zhou, Chao Wang, Haseeb Hassan, Himat Shah, Bingding Huang, Pasi Fr\"anti
• Abstract要約: ロボット運動計画におけるベイジアン推論の適用は、ベイジアン推論の包括的理論に遅れを取っている。 この論文は、複素ケースに対するベイズ推論の予備となるベイズ推論の確率論的理論を最初に提示する。 逆 RL におけるベイズ推定の解析は、データ効率のよい方法で報酬関数を推定するために与えられる。
• 参考スコア（独自算出の注目度）: 2.8660829482416346
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Bayesian inference has many advantages in robotic motion planning over four perspectives: The uncertainty quantification of the policy, safety (risk-aware) and optimum guarantees of robot motions, data-efficiency in training of reinforcement learning, and reducing the sim2real gap when the robot is applied to real-world tasks. However, the application of Bayesian inference in robotic motion planning is lagging behind the comprehensive theory of Bayesian inference. Further, there are no comprehensive reviews to summarize the progress of Bayesian inference to give researchers a systematic understanding in robotic motion planning. This paper first provides the probabilistic theories of Bayesian inference which are the preliminary of Bayesian inference for complex cases. Second, the Bayesian estimation is given to estimate the posterior of policies or unknown functions which are used to compute the policy. Third, the classical model-based Bayesian RL and model-free Bayesian RL algorithms for robotic motion planning are summarized, while these algorithms in complex cases are also analyzed. Fourth, the analysis of Bayesian inference in inverse RL is given to infer the reward functions in a data-efficient manner. Fifth, we systematically present the hybridization of Bayesian inference and RL which is a promising direction to improve the convergence of RL for better motion planning. Sixth, given the Bayesian inference, we present the interpretable and safe robotic motion plannings which are the hot research topic recently. Finally, all algorithms reviewed in this paper are summarized analytically as the knowledge graphs, and the future of Bayesian inference for robotic motion planning is also discussed, to pave the way for data-efficient, explainable, and safe robotic motion planning strategies for practical applications.
• Abstract（参考訳）: ベイズ推論は4つの観点からロボットの動き計画において多くの利点がある: ポリシーの不確実性、安全性(リスク認識)、ロボットの動きの最適保証、強化学習の訓練におけるデータ効率、そしてロボットが現実世界のタスクに適用される際のシモディリアルギャップを減らす。 しかし、ロボット運動計画におけるベイジアン推論の適用は、ベイジアン推論の包括的理論に遅れを取っている。 さらに、ベイズ推論の進捗を要約して、研究者にロボットの動き計画の体系的な理解を与える包括的なレビューはない。 本稿では,複素ケースに対するベイズ推論の予備となるベイズ推論の確率論的理論について述べる。 第二に、ベイズ推定は、ポリシーの計算に使用されるポリシーや未知の関数の後方を推定するために与えられる。 第3に、ロボットの動き計画のための古典的モデルベースベイズRLとモデルフリーベイズRLアルゴリズムを要約し、複雑なケースにおけるこれらのアルゴリズムも分析する。 第4に、データ効率のよい方法で報酬関数を推定するために、逆 RL におけるベイズ推定の解析を行う。 第5に, ベイズ推論とRLのハイブリッド化を体系的に提示し, RLの収束性を向上し, 運動計画の改善を図っている。 第6に,ベイズ推定を前提に,近年のホットな研究テーマである,解釈可能かつ安全なロボット動作計画を提案する。 最後に,本論文でレビューした全てのアルゴリズムを知識グラフとして解析的に要約し,データ効率,説明性,安全なロボット動作計画戦略を実用化するために,ロボット動作計画のためのベイズ推論の将来についても論じる。

関連論文リスト

• MEXGEN: An Effective and Efficient Information Gain Approximation for Information Gathering Path Planning [3.195234044113248]
  自律ロボットの計画アルゴリズムは、不確実性の下でのシーケンシャルな意思決定問題を解決する必要がある。 我々は,不確実な信念状態からセンサ計測を予測する難しい問題に対して,計算的に効率的かつ効果的に近似する手法を開発した。 マルチロータ型空中ロボットを用いた広範囲なシミュレーション・フィールド実験により, 電波源追尾と位置決め問題の性能向上を実証した。
  論文  参考訳（メタデータ） (2024-05-04T08:09:16Z)
• Multi-Agent Dynamic Relational Reasoning for Social Robot Navigation [50.01551945190676]
  社会ロボットナビゲーションは、日常生活の様々な状況において有用であるが、安全な人間とロボットの相互作用と効率的な軌道計画が必要である。 本稿では, 動的に進化する関係構造を明示的に推論した系統的関係推論手法を提案する。 マルチエージェント軌道予測とソーシャルロボットナビゲーションの有効性を実証する。
  論文  参考訳（メタデータ） (2024-01-22T18:58:22Z)
• Planning to Learn: A Novel Algorithm for Active Learning during Model-Based Planning [6.3318086812818475]
  我々は、計画中のアクティブラーニングをより完全に組み込んだSI(高度学習(SL))の拡張を提案する。 SLは、各方針の下で期待される将来の観測の下でモデルパラメータがどのように変化するかという信念を維持している。 これらの目的を達成するために,SLが独特なソリューションを提供する問題構造を強調するために,生物にインスパイアされた新しい環境を利用する。
  論文  参考訳（メタデータ） (2023-08-15T20:39:23Z)
• SABER: Data-Driven Motion Planner for Autonomously Navigating Heterogeneous Robots [112.2491765424719]
  我々は、データ駆動型アプローチを用いて、異種ロボットチームをグローバルな目標に向けてナビゲートする、エンドツーエンドのオンラインモーションプランニングフレームワークを提案する。 モデル予測制御(SMPC)を用いて,ロボット力学を満たす制御入力を計算し,障害物回避時の不確実性を考慮した。 リカレントニューラルネットワークは、SMPC有限時間地平線解における将来の状態の不確かさを素早く推定するために用いられる。 ディープQ学習エージェントがハイレベルパスプランナーとして機能し、SMPCにロボットを望ましいグローバルな目標に向けて移動させる目標位置を提供する。
  論文  参考訳（メタデータ） (2021-08-03T02:56:21Z)
• Probabilistic Human Motion Prediction via A Bayesian Neural Network [71.16277790708529]
  本稿では,人間の動作予測のための確率モデルを提案する。 我々のモデルは、観測された動きシーケンスが与えられたときに、いくつかの将来の動きを生成することができる。 我々は、大規模ベンチマークデータセットHuman3.6mに対して、我々のアプローチを広範囲に検証した。
  論文  参考訳（メタデータ） (2021-07-14T09:05:33Z)
• Bayesian Bellman Operators [55.959376449737405]
  ベイズ強化学習(RL)の新しい視点について紹介する。 我々のフレームワークは、ブートストラップが導入されたとき、モデルなしアプローチは実際には値関数ではなくベルマン作用素よりも後部を推測する、という洞察に動機づけられている。
  論文  参考訳（メタデータ） (2021-06-09T12:20:46Z)
• MATS: An Interpretable Trajectory Forecasting Representation for Planning and Control [46.86174832000696]
  人間の動きに関する推論は、現代の人間ロボットの対話システムの中核的な構成要素である。 自律システムにおける行動予測の主な用途の1つは、ロボットの動作計画と制御を知らせることである。 本稿では,下流の計画や制御に適するトラジェクトリ予測のための新しい出力表現を提案する。
  論文  参考訳（メタデータ） (2020-09-16T07:32:37Z)
• The Importance of Prior Knowledge in Precise Multimodal Prediction [71.74884391209955]
  道路にはよく定義された地形、地形、交通規則がある。 本稿では,構造的事前を損失関数として組み込むことを提案する。 実世界の自動運転データセットにおけるアプローチの有効性を実証する。
  論文  参考訳（メタデータ） (2020-06-04T03:56:11Z)
• Scalable Approximate Inference and Some Applications [2.6541211006790983]
  本稿では,近似推論のための新しいフレームワークを提案する。 提案する4つのアルゴリズムは,Steinの手法の最近の計算進歩に動機付けられている。 シミュレーションおよび実データを用いた結果から,アルゴリズムの統計的効率と適用性を示す。
  論文  参考訳（メタデータ） (2020-03-07T04:33:27Z)
• Spatial Concept-Based Navigation with Human Speech Instructions via Probabilistic Inference on Bayesian Generative Model [8.851071399120542]
  本研究の目的は,移動ロボットが人間の音声によるナビゲーション作業を行うことを可能にすることである。 音声指示下での経路軌道の空間確率分布として経路計画が定式化された。 提案手法の有効性をシミュレータや実環境において検証するために,取得した空間概念を用いた人間の指導に基づく経路計画法を実証した。
  論文  参考訳（メタデータ） (2020-02-18T05:35:29Z)

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。