論文の概要: Efficient Real-time Path Planning with Self-evolving Particle Swarm
Optimization in Dynamic Scenarios
- arxiv url: http://arxiv.org/abs/2308.10169v2
- Date: Sun, 24 Dec 2023 03:57:50 GMT
- ステータス: 処理完了
- システム内更新日: 2023-12-28 01:47:37.842562
- Title: Efficient Real-time Path Planning with Self-evolving Particle Swarm
Optimization in Dynamic Scenarios
- Title（参考訳）: 動的シナリオにおける自己進化型粒子群最適化による効率的なリアルタイム経路計画
- Authors: Jinghao Xin, Zhi Li, Yang Zhang, and Ning Li
- Abstract要約: 操作形式(TOF)は、粒子の操作をテンソル操作に変換する。
自己進化型粒子群最適化(SEPSO)を開発した。
SEPSOはより優れたパスを生成でき、リアルタイムのパフォーマンスがかなり向上する。
- 参考スコア（独自算出の注目度）: 6.951981832970596
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Particle Swarm Optimization (PSO) has demonstrated efficacy in addressing
static path planning problems. Nevertheless, such application on dynamic
scenarios has been severely precluded by PSO's low computational efficiency and
premature convergence downsides. To address these limitations, we proposed a
Tensor Operation Form (TOF) that converts particle-wise manipulations to tensor
operations, thereby enhancing computational efficiency. Harnessing the
computational advantage of TOF, a variant of PSO, designated as Self-Evolving
Particle Swarm Optimization (SEPSO) was developed. The SEPSO is underpinned by
a novel Hierarchical Self-Evolving Framework (HSEF) that enables autonomous
optimization of its own hyper-parameters to evade premature convergence.
Additionally, a Priori Initialization (PI) mechanism and an Auto Truncation
(AT) mechanism that substantially elevates the real-time performance of SEPSO
on dynamic path planning problems were introduced. Comprehensive experiments on
four widely used benchmark optimization functions have been initially conducted
to corroborate the validity of SEPSO. Following this, a dynamic simulation
environment that encompasses moving start/target points and dynamic/static
obstacles was employed to assess the effectiveness of SEPSO on the dynamic path
planning problem. Simulation results exhibit that the proposed SEPSO is capable
of generating superior paths with considerably better real-time performance (67
path planning computations per second in a regular desktop computer) in
contrast to alternative methods. The code and video of this paper can be
accessed here.
- Abstract（参考訳）: Particle Swarm Optimization (PSO) は静的経路計画問題に対する有効性を示した。
しかしながら、このような動的シナリオへの応用は、PSOの計算効率の低さと早めの収束の低さによって著しく妨げられている。
これらの制約に対処するため、粒子の操作をテンソル操作に変換するテンソル演算形式(TOF)を提案し、計算効率を向上した。
自己進化粒子群最適化 (SEPSO) として指定された PSO の変種である TOF の計算上の優位性を強調した。
SEPSOは、自身のハイパーパラメータの自律的な最適化を可能にする、新しい階層的自己進化フレームワーク(HSEF)によって支えられている。
さらに, 動的経路計画問題に対するSEPSOのリアルタイム性能を大幅に向上させる, 優先初期化(PI)機構と自動トラニケーション(AT)機構を導入した。
4つの広く使われているベンチマーク最適化関数に関する総合的な実験は、SEPSOの有効性を裏付けるために始められた。
次に,移動開始/目標点と動的/静的障害を含む動的シミュレーション環境を用いて,動的経路計画問題に対するSEPSOの有効性を評価する。
シミュレーションの結果,提案手法は,従来の方法と対照的に,実時間性能(通常のデスクトップコンピュータでは毎秒67経路計画計算)の優れた経路を生成することができることがわかった。
この論文のコードとビデオはここで見ることができる。
関連論文リスト
- DiSK: Differentially Private Optimizer with Simplified Kalman Filter for Noise Reduction [57.83978915843095]
本稿では,微分プライベート勾配の性能を著しく向上する新しいフレームワークであるDiSKを紹介する。
大規模トレーニングの実用性を確保するため,Kalmanフィルタプロセスを簡素化し,メモリと計算要求を最小化する。
論文 参考訳（メタデータ） (2024-10-04T19:30:39Z) - Shadow Program Inversion with Differentiable Planning: A Framework for Unified Robot Program Parameter and Trajectory Optimization [6.890628942323211]
SPI-DPはロボットプログラムのための新しい一階最適化手法である。
直列N-DoFキネマティクスのための衝突のない運動プランナDGPMP2-NDを紹介する。
我々は,2つの実用的・産業的応用に関する総合的な評価を行う。
論文 参考訳（メタデータ） (2024-09-13T09:46:41Z) - Provably Mitigating Overoptimization in RLHF: Your SFT Loss is Implicitly an Adversarial Regularizer [52.09480867526656]
人間の嗜好を学習する際の分布変化と不確実性の一形態として,不一致の原因を同定する。
過度な最適化を緩和するために、まず、逆選択された報酬モデルに最適なポリシーを選択する理論アルゴリズムを提案する。
報奨モデルとそれに対応する最適ポリシーの等価性を用いて、優先最適化損失と教師付き学習損失を組み合わせた単純な目的を特徴とする。
論文 参考訳（メタデータ） (2024-05-26T05:38:50Z) - PAO: A general particle swarm algorithm with exact dynamics and
closed-form transition densities [0.0]
粒子群最適化(PSO)アプローチは多くの応用分野において非常に効果的であることが証明されている。
本研究では, PSOアルゴリズムの高一般性, 解釈可能な変種であるパーティクル・アトラクター・アルゴリズム (PAO) を提案する。
論文 参考訳（メタデータ） (2023-04-28T16:19:27Z) - Leveraging Scene Embeddings for Gradient-Based Motion Planning in Latent
Space [24.95320093765214]
AMP-LSは、従来の計画ベースラインを桁違いの速度で上回りながら、新しい複雑なシーンで計画できる。
実世界の動的シーンにおける閉ループ計画を実現するのに十分な速度が得られた。
論文 参考訳（メタデータ） (2023-03-06T18:49:39Z) - Learning Implicit Priors for Motion Optimization [105.11889448885226]
エネルギーベースモデル(EBM)は、表現力のある確率密度分布を表す。
本稿では,EMMを動作最適化に適用するために必要となるモデリングとアルゴリズムの選択について述べる。
論文 参考訳（メタデータ） (2022-04-11T19:14:54Z) - RAPTOR: End-to-end Risk-Aware MDP Planning and Policy Learning by
Backpropagation [12.600828753197204]
PyTorch (RAP) を用いたリスクアウェアプランニング(リスクアウェアプランニング)を導入する。
本研究では, 非線形ナビゲーション, HVAC制御, 線形貯水池制御を含む3つの高次要素について, これら2種類のRAPTORを評価し, 比較した。
論文 参考訳（メタデータ） (2021-06-14T09:27:19Z) - Safety-enhanced UAV Path Planning with Spherical Vector-based Particle
Swarm Optimization [5.076419064097734]
本稿では,無人航空機(UAV)の経路計画問題に対処するため,球面ベクトルベース粒子群最適化 (SPSO) という新しいアルゴリズムを提案する。
コスト関数が最初に定式化され、経路計画がUAVの実用的で安全な運用に必要な要件と制約を組み込んだ最適化問題に変換される。
SPSOは、UAVの構成空間を効率的に探索することでコスト関数を最小化する最適経路を見つけるために使用される。
論文 参考訳（メタデータ） (2021-04-13T06:45:11Z) - Adaptive pruning-based optimization of parameterized quantum circuits [62.997667081978825]
Variisyハイブリッド量子古典アルゴリズムは、ノイズ中間量子デバイスの使用を最大化する強力なツールである。
我々は、変分量子アルゴリズムで使用されるそのようなアンサーゼを「効率的な回路訓練」(PECT)と呼ぶ戦略を提案する。
すべてのアンサッツパラメータを一度に最適化する代わりに、PECTは一連の変分アルゴリズムを起動する。
論文 参考訳（メタデータ） (2020-10-01T18:14:11Z) - EOS: a Parallel, Self-Adaptive, Multi-Population Evolutionary Algorithm
for Constrained Global Optimization [68.8204255655161]
EOSは実数値変数の制約付きおよび制約なし問題に対する大域的最適化アルゴリズムである。
これはよく知られた微分進化(DE)アルゴリズムに多くの改良を加えている。
その結果、EOSisは、最先端の単一人口自己適応Dアルゴリズムと比較して高い性能を達成可能であることが証明された。
論文 参考訳（メタデータ） (2020-07-09T10:19:22Z) - Adaptivity of Stochastic Gradient Methods for Nonconvex Optimization [71.03797261151605]
適応性は現代最適化理論において重要であるが、研究されていない性質である。
提案アルゴリズムは,PL目標に対して既存のアルゴリズムよりも優れた性能を保ちながら,PL目標に対して最適な収束性を実現することを実証した。
論文 参考訳（メタデータ） (2020-02-13T05:42:27Z)
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。