Fugu-MT 論文翻訳(概要): Generation of Geodesics with Actor-Critic Reinforcement Learning to Predict Midpoints

論文の概要: Generation of Geodesics with Actor-Critic Reinforcement Learning to Predict Midpoints

arxiv url: http://arxiv.org/abs/2407.01991v1
Date: Tue, 2 Jul 2024 07:06:49 GMT
ステータス: 処理完了
システム内更新日: 2024-07-03 16:34:10.831017
Title: Generation of Geodesics with Actor-Critic Reinforcement Learning to Predict Midpoints
Title（参考訳）: アクター・クリティカル強化学習による測地線の生成と中間点の予測
Authors: Kazumi Kasaura,
Abstract要約: 提案手法は,局所的・グローバルな経路計画タスクにおいて,既存の手法よりも優れていることを示す。提案手法は,提案手法が局所的・グローバルな経路計画タスクにおいて既存手法よりも優れていることを示す。
参考スコア（独自算出の注目度）: 1.6317061277457001
License: http://creativecommons.org/licenses/by/4.0/
Abstract: To find the shortest paths for all pairs on continuous manifolds with infinitesimally defined metrics, we propose to generate them by predicting midpoints recursively and an actor-critic method to learn midpoint prediction. We prove the soundness of our approach and show experimentally that the proposed method outperforms existing methods on both local and global path planning tasks.
Abstract（参考訳）: 無限小に定義された測度を持つ連続多様体上のすべての対の最も短い経路を見つけるために、中間点を再帰的に予測し、中間点予測を学ぶアクター・クリティカルな方法を提案する。提案手法は,提案手法が局所的・グローバルな経路計画タスクにおいて既存手法よりも優れていることを示す。

関連論文リスト

Bayesian Deep ICE [0.4987670632802289]
ディープインディペンデントコンポーネント推定(DICE)は、機能エンジニアリング抽出法として、現代の機械学習に多くの応用がある。本稿では,予測最大化(EM)とマルコフ・チェイン・モンテカルロ(MCMC)アルゴリズムによる全後方サンプリングによる両点推定が可能な,独立成分分析の潜在変数表現を提案する。
論文参考訳（メタデータ） (2024-06-24T18:18:58Z)
Spatial Clustering Approach for Vessel Path Identification [3.2230949286556627]
位置情報のみを用いて船舶経路をラベル付けするための空間クラスタリング手法を提案する。距離に基づく経路モデリングと確率推定という2つの手法を用いた経路クラスタリングフレームワークを開発した。
論文参考訳（メタデータ） (2024-03-09T03:21:18Z)
LanePtrNet: Revisiting Lane Detection as Point Voting and Grouping on Curves [8.037214110171123]
車線検出は、自動運転の分野において重要な役割を果たす。本稿では,順序付き集合上での点投票とグループ化のプロセスとしてレーン検出を扱う新しいアプローチであるLanePtrNetを提案する。提案手法の有効性を検証するための総合的な実験を行い,その性能を実証した。
論文参考訳（メタデータ） (2024-03-08T08:45:42Z)
An approach to robust ICP initialization [77.45039118761837]
本稿では,厳密な変換に伴う乱れのない点群に対応するために,ICPアルゴリズムを初期化する手法を提案する。我々はノイズに対する我々のアプローチの頑健さに限界を導出し、数値実験により我々の理論的な知見を裏付ける。
論文参考訳（メタデータ） (2022-12-10T16:27:25Z)
A Survey on Deep Semi-supervised Learning [51.26862262550445]
まず,既存の手法を分類した深層半指導学習の分類法を提案する。次に、損失の種類、貢献度、アーキテクチャの違いの観点から、これらのメソッドを詳細に比較します。
論文参考訳（メタデータ） (2021-02-28T16:22:58Z)
Point-Level Temporal Action Localization: Bridging Fully-supervised Proposals to Weakly-supervised Losses [84.2964408497058]
point-level temporal action localization (ptal) は、各アクションインスタンスに対して1つのタイムスタンプアノテーションで、未トリミングビデオ内のアクションをローカライズすることを目的としている。既存の手法ではフレームレベルの予測パラダイムを採用し、スパース単一フレームラベルから学習する。本稿では,ポイントレベルアノテーションの提案に基づく予測パラダイムを検討する。
論文参考訳（メタデータ） (2020-12-15T12:11:48Z)
Pathwise Conditioning of Gaussian Processes [72.61885354624604]
ガウス過程後部をシミュレーションするための従来のアプローチでは、有限個の入力位置のプロセス値の限界分布からサンプルを抽出する。この分布中心の特徴づけは、所望のランダムベクトルのサイズで3次スケールする生成戦略をもたらす。条件付けのこのパスワイズ解釈が、ガウス過程の後部を効率的にサンプリングするのに役立てる近似の一般族をいかに生み出すかを示す。
論文参考訳（メタデータ） (2020-11-08T17:09:37Z)
A maximum-entropy approach to off-policy evaluation in average-reward MDPs [54.967872716145656]
この研究は、無限水平非カウントマルコフ決定過程(MDPs)における関数近似を伴うオフ・ポリティ・アセスメント(OPE)に焦点を当てる。提案手法は,第1の有限サンプル OPE 誤差境界であり,既存の結果がエピソードおよびディスカウントケースを超えて拡張される。この結果から,教師あり学習における最大エントロピー的アプローチを並列化して,十分な統計値を持つ指数関数型家族分布が得られた。
論文参考訳（メタデータ） (2020-06-17T18:13:37Z)
CONSAC: Robust Multi-Model Fitting by Conditional Sample Consensus [62.86856923633923]
我々は,同じ形状の複数のパラメトリックモデルを雑音測定に適合させる頑健な推定器を提案する。複数のモデル検出のための手作り検索戦略を利用する従来の研究とは対照的に,データから検索戦略を学習する。探索の自己教師付き学習において,提案したアルゴリズムをマルチホログラフィー推定で評価し,最先端手法よりも優れた精度を示す。
論文参考訳（メタデータ） (2020-01-08T17:37:01Z)

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。