論文の概要: Informative Path Planning to Explore and Map Unknown Planetary Surfaces with Gaussian Processes

• arxiv url: http://arxiv.org/abs/2503.16613v1
• Date: Thu, 20 Mar 2025 18:10:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-24 14:57:16.260410
• Title: Informative Path Planning to Explore and Map Unknown Planetary Surfaces with Gaussian Processes
• Title（参考訳）: 未知の惑星表面をガウス過程で探索・マッピングするためのインフォームティブパス計画
• Authors: Ashten Akemoto, Frances Zhu,
• Abstract要約: 本研究ではスカラー変数分布のマッピングのための情報経路計画アルゴリズムを評価する。 従来のオープンループカバレッジ手法と情報理論のアプローチを比較した。 アルゴリズムのパフォーマンスは、パラボラ、タウンゼンド関数、月のクレーターの水和マップの3つの面でテストされている。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Many environments, such as unvisited planetary surfaces and oceanic regions, remain unexplored due to a lack of prior knowledge. Autonomous vehicles must sample upon arrival, process data, and either transmit findings to a teleoperator or decide where to explore next. Teleoperation is suboptimal, as human intuition lacks mathematical guarantees for optimality. This study evaluates an informative path planning algorithm for mapping a scalar variable distribution while minimizing travel distance and ensuring model convergence. We compare traditional open loop coverage methods (e.g., Boustrophedon, Spiral) with information-theoretic approaches using Gaussian processes, which update models iteratively with confidence metrics. The algorithm's performance is tested on three surfaces, a parabola, Townsend function, and lunar crater hydration map, to assess noise, convexity, and function behavior. Results demonstrate that information-driven methods significantly outperform naive exploration in reducing model error and travel distance while improving convergence potential.
• Abstract（参考訳）: 観測されていない惑星の表面や海洋地域のような多くの環境は、事前の知識が不足しているため、探索されていないままである。 自動運転車は到着時にサンプルを採取し、データを処理し、結果を遠隔操作者に送信するか、次に探索する場所を決定する必要がある。 人間の直観は最適性の数学的保証を欠いているため、遠隔操作は準最適である。 本研究では,旅行距離を最小化し,モデル収束を確保するとともに,スカラー変数分布をマッピングするための情報経路計画アルゴリズムを評価する。 従来のオープンループカバレッジ手法(例えば、Boustrophedon, Spiral)とガウス過程を用いた情報理論的アプローチを比較し、モデルを信頼度で反復的に更新する。 アルゴリズムの性能は、パラボラ、タウンゼンド関数、月のクレーター水和マップの3つの面でテストされ、ノイズ、凸性、機能挙動を評価する。 その結果,情報駆動手法は,収束電位を向上しつつ,モデル誤差と走行距離を低減し,ネーブ探索を著しく上回ることがわかった。

関連論文リスト

• OPUS: Occupancy Prediction Using a Sparse Set [64.60854562502523]
  学習可能なクエリの集合を用いて、占有された場所とクラスを同時に予測するフレームワークを提案する。 OPUSには、モデルパフォーマンスを高めるための非自明な戦略が組み込まれている。 最も軽量なモデルではOcc3D-nuScenesデータセットの2倍 FPS に優れたRayIoUが得られる一方、最も重いモデルは6.1 RayIoUを上回ります。
  論文  参考訳（メタデータ） (2024-09-14T07:44:22Z)
• Efficient Prior Calibration From Indirect Data [5.588334720483076]
  本稿では,データから先行モデルを学習すること,特にノイズ観測プロセスを通じて得られた間接データの多元的実現から先行モデルを学習することに関心がある。 フォワードモデルの効率的な残差ベースニューラル演算子近似を提案し,これをプッシュフォワードマップと同時学習できることを示した。
  論文  参考訳（メタデータ） (2024-05-28T08:34:41Z)
• Radio Map Estimation -- An Open Dataset with Directive Transmitter Antennas and Initial Experiments [49.61405888107356]
  実世界の現実的な都市地図とオープンなデータソースからの航空画像とともに、シミュレーションされた経路損失無線マップのデータセットをリリースする。 モデルアーキテクチャ,入力特徴設計,航空画像からの無線マップの推定に関する実験を行った。
  論文  参考訳（メタデータ） (2024-01-12T14:56:45Z)
• Efficient Neural Network Approaches for Conditional Optimal Transport with Applications in Bayesian Inference [1.740133468405535]
  静的および条件付き最適輸送(COT)問題の解を近似する2つのニューラルネットワークアプローチを提案する。 我々は、ベンチマークデータセットとシミュレーションに基づく逆問題を用いて、両アルゴリズムを競合する最先端のアプローチと比較する。
  論文  参考訳（メタデータ） (2023-10-25T20:20:09Z)
• Convolutional generative adversarial imputation networks for spatio-temporal missing data in storm surge simulations [86.5302150777089]
  GAN(Generative Adversarial Imputation Nets)とGANベースの技術は、教師なし機械学習手法として注目されている。 提案手法を Con Conval Generative Adversarial Imputation Nets (Conv-GAIN) と呼ぶ。
  論文  参考訳（メタデータ） (2021-11-03T03:50:48Z)
• Residual Overfit Method of Exploration [78.07532520582313]
  提案手法は,2点推定値の調整と1点オーバーフィットに基づく近似探索手法を提案する。 このアプローチは、調整されたモデルと比較して、オーバーフィットモデルが最も過度な適合を示すアクションへの探索を促進する。 ROMEを3つのデータセット上の確立されたコンテキスト的帯域幅法と比較し、最も優れたパフォーマンスの1つとみなす。
  論文  参考訳（メタデータ） (2021-10-06T17:05:33Z)
• SGCN:Sparse Graph Convolution Network for Pedestrian Trajectory Prediction [64.16212996247943]
  歩行者軌道予測のためのスパースグラフ畳み込みネットワーク(SGCN)を提案する。 具体的には、SGCNはスパース指向の相互作用をスパース指向の空間グラフと明確にモデル化し、適応的な相互作用歩行者を捉える。 可視化は,歩行者の適応的相互作用とその運動特性を捉えることができることを示す。
  論文  参考訳（メタデータ） (2021-04-04T03:17:42Z)
• Localized active learning of Gaussian process state space models [63.97366815968177]
  多くの共通制御アプリケーションにおいて、優れた性能を達成するためには、グローバルに正確なモデルを必要としない。 本稿では,状態-作用空間の有界部分集合上の正確なモデルを得ることを目的としたガウス過程状態空間モデルに対する能動的学習戦略を提案する。 モデル予測制御を用いることで、探索中に収集した情報を統合し、探索戦略を適応的に改善する。
  論文  参考訳（メタデータ） (2020-05-04T05:35:02Z)
• Ensemble of Sparse Gaussian Process Experts for Implicit Surface Mapping with Streaming Data [13.56926815833324]
  我々は、既知のポーズを持つ範囲データのストリームから、環境のコンパクトで連続的な暗黙の表面マップを学習する。 GPモデルに到着するすべてのデータを挿入する代わりに、モデルの複雑さと予測エラーの間に鮮やかにトレードオフがあります。 その結果、異なる条件下で、コンパクトで正確な暗黙曲面モデルを学習できることが示唆された。
  論文  参考訳（メタデータ） (2020-02-12T11:06:48Z)
• Statistical Outlier Identification in Multi-robot Visual SLAM using Expectation Maximization [18.259478519717426]
  本稿では、同時局所化およびマッピング(SLAM)におけるマップ間ループ閉包外乱検出のための、新しい分散手法を提案する。 提案アルゴリズムは優れた初期化に頼らず、一度に2つ以上のマップを処理できる。
  論文  参考訳（メタデータ） (2020-02-07T06:34:44Z)

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。