論文の概要: Research on Robot Path Planning Based on Reinforcement Learning
- arxiv url: http://arxiv.org/abs/2404.14077v1
- Date: Mon, 22 Apr 2024 10:49:46 GMT
- ステータス: 処理完了
- システム内更新日: 2024-04-23 14:16:23.980067
- Title: Research on Robot Path Planning Based on Reinforcement Learning
- Title（参考訳）: 強化学習に基づくロボット経路計画に関する研究
- Authors: Wang Ruiqi,
- Abstract要約: 本研究は,視覚SLAMに基づくロボット経路計画に関する研究である。
二次元経路計画に適した地図は、地図変換により得られる。
強化学習に基づく経路計画アルゴリズムに関する研究
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: This project has conducted research on robot path planning based on Visual SLAM. The main work of this project is as follows: (1) Construction of Visual SLAM system. Research has been conducted on the basic architecture of Visual SLAM. A Visual SLAM system is developed based on ORB-SLAM3 system, which can conduct dense point cloud mapping. (2) The map suitable for two-dimensional path planning is obtained through map conversion. This part converts the dense point cloud map obtained by Visual SLAM system into an octomap and then performs projection transformation to the grid map. The map conversion converts the dense point cloud map containing a large amount of redundant map information into an extremely lightweight grid map suitable for path planning. (3) Research on path planning algorithm based on reinforcement learning. This project has conducted experimental comparisons between the Q-learning algorithm, the DQN algorithm, and the SARSA algorithm, and found that DQN is the algorithm with the fastest convergence and best performance in high-dimensional complex environments. This project has conducted experimental verification of the Visual SLAM system in a simulation environment. The experimental results obtained based on open-source dataset and self-made dataset prove the feasibility and effectiveness of the designed Visual SLAM system. At the same time, this project has also conducted comparative experiments on the three reinforcement learning algorithms under the same experimental condition to obtain the optimal algorithm under the experimental condition.
- Abstract（参考訳）: 本研究は,視覚SLAMに基づくロボット経路計画に関する研究である。
このプロジェクトの主な成果は,(1) Visual SLAM システムの構築である。
Visual SLAMの基本的なアーキテクチャについて研究が進められている。
ORB-SLAM3システムに基づいて,高密度点雲マッピングを行うビジュアルSLAMシステムを開発した。
2)2次元経路計画に適した地図は,地図変換により得られる。
この部分は、Visual SLAMシステムによって得られた高密度点クラウドマップをオクトマップに変換し、グリッドマップへのプロジェクション変換を実行する。
地図変換は、大量の冗長マップ情報を含む高密度点クラウドマップを、経路計画に適した極めて軽量なグリッドマップに変換する。
(3)強化学習に基づく経路計画アルゴリズムに関する研究
本研究は、Q-learningアルゴリズム、DQNアルゴリズム、SARSAアルゴリズムの実験的比較を行い、DQNは高次元複素環境において最も高速な収束と最高の性能を持つアルゴリズムであることを示した。
本研究は,シミュレーション環境における視覚SLAMシステムの実験的検証を行った。
オープンソースデータセットと自己生成データセットに基づいて得られた実験結果は、設計したVisual SLAMシステムの有効性と有効性を証明する。
同時に,同実験条件下での3つの強化学習アルゴリズムの比較実験を行い,実験条件下での最適アルゴリズムについて検討した。
関連論文リスト
- Efficient and Distributed Large-Scale 3D Map Registration using Tomographic Features [10.740403545402508]
資源効率,分散,最小パラメータ化された3次元マップマッチングとマージアルゴリズムを提案する。
提案アルゴリズムは,重力方向の局所写像の水平断面の2次元プロジェクションのトモグラフィ特性を利用して,これらのプロジェクションスライスをあらゆる高さ差で一致させる。
論文 参考訳（メタデータ） (2024-06-27T18:03:06Z) - UAV-Borne Mapping Algorithms for Low-Altitude and High-Speed Drone Applications [0.4681661603096333]
本稿では,現状のセンサとUAV(Unmanned Aerial Vehicle)アプリケーションのためのマッピングアルゴリズムについて述べる。
新しい実験構造は、AirSimシミュレータとGoogle 3Dマップモデルを統合することで実現可能な、非常に現実的な環境を用いて作成される。
論文 参考訳（メタデータ） (2024-01-12T07:04:44Z) - CP-SLAM: Collaborative Neural Point-based SLAM System [54.916578456416204]
本稿では,RGB-D画像シーケンスを用いた協調型暗黙的ニューラルローカライゼーションとマッピング(SLAM)システムを提案する。
これらすべてのモジュールを統一的なフレームワークで実現するために,ニューラルポイントに基づく新しい3次元シーン表現を提案する。
協調的な暗黙的SLAMに対して,一貫性と協調性を改善するために,分散分散型学習戦略を提案する。
論文 参考訳（メタデータ） (2023-11-14T09:17:15Z) - RGB-D based Stair Detection using Deep Learning for Autonomous Stair
Climbing [6.362951673024623]
本稿では,RGBマップと深度マップの両方の入力を持つニューラルネットワークアーキテクチャを提案する。
具体的には,RGBマップと深度マップの相補関係をネットワークが学習できるように,選択モジュールを設計する。
提案手法は,従来の最先端深層学習法と比較して精度の向上とリコールが可能であることを示す。
論文 参考訳（メタデータ） (2022-12-02T11:22:52Z) - GraphCSPN: Geometry-Aware Depth Completion via Dynamic GCNs [49.55919802779889]
本稿では,グラフ畳み込みに基づく空間伝搬ネットワーク(GraphCSPN)を提案する。
本研究では、幾何学的表現学習において、畳み込みニューラルネットワークとグラフニューラルネットワークを相補的に活用する。
提案手法は,数段の伝搬ステップのみを使用する場合と比較して,最先端の性能を実現する。
論文 参考訳（メタデータ） (2022-10-19T17:56:03Z) - Systematic Comparison of Path Planning Algorithms using PathBench [55.335463666037086]
パスプランニングはモバイルロボティクスの重要な構成要素である。
学習に基づく経路計画アルゴリズムの開発は、急速な成長を遂げている。
本稿では,パスプランニングアルゴリズムの開発,視覚化,トレーニング,テスト,ベンチマークを行うプラットフォームであるPathBenchについて述べる。
論文 参考訳（メタデータ） (2022-03-07T01:52:57Z) - Efficient 3D Deep LiDAR Odometry [16.388259779644553]
PWCLO-Netという名前の効率的な3Dポイント・クラウド・ラーニング・アーキテクチャが最初に提案される。
アーキテクチャ全体は、コストボリュームとマスクの適応的な学習を実現するために、徹底的にエンドツーエンドに最適化されています。
論文 参考訳（メタデータ） (2021-11-03T11:09:49Z) - Trajectory Design for UAV-Based Internet-of-Things Data Collection: A
Deep Reinforcement Learning Approach [93.67588414950656]
本稿では,無人航空機(UAV)による3D環境におけるIoT(Internet-of-Things)システムについて検討する。
本稿では,TD3-TDCTMアルゴリズムの完成時間最小化のためのトラジェクトリ設計を提案する。
シミュレーションの結果,従来の3つの非学習ベースライン法よりもTD3-TDCTMアルゴリズムの方が優れていることが示された。
論文 参考訳（メタデータ） (2021-07-23T03:33:29Z) - Model-inspired Deep Learning for Light-Field Microscopy with Application
to Neuron Localization [27.247818386065894]
光フィールド顕微鏡画像を用いた高速かつ堅牢なソースの3Dローカリゼーションを実現するモデルに基づくディープラーニング手法を提案する。
これは畳み込みスパース符号化問題を効率的に解くディープネットワークを開発することによって実現される。
光場からのほ乳類ニューロンの局在化実験により,提案手法が性能,解釈性,効率の向上をもたらすことが示された。
論文 参考訳（メタデータ） (2021-03-10T16:24:47Z) - Multi-view Depth Estimation using Epipolar Spatio-Temporal Networks [87.50632573601283]
一つのビデオから多視点深度を推定する新しい手法を提案する。
提案手法は,新しいEpipolar Spatio-Temporal Transformer(EST)を用いて時間的コヒーレントな深度推定を行う。
最近のMixture-of-Expertsモデルにインスパイアされた計算コストを削減するため、我々はコンパクトなハイブリッドネットワークを設計する。
論文 参考訳（メタデータ） (2020-11-26T04:04:21Z) - Plan2Vec: Unsupervised Representation Learning by Latent Plans [106.37274654231659]
Plan2vecは、強化学習にインスパイアされた教師なしの表現学習手法である。
Plan2vecは、近距離を用いて画像データセット上に重み付きグラフを構築し、その局所距離を、計画された経路上の経路積分を蒸留することによって、大域的な埋め込みに外挿する。
1つのシミュレーションと2つの実世界の画像データセットに対する Plan2vec の有効性を実証する。
論文 参考訳（メタデータ） (2020-05-07T17:52:23Z)
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。