論文の概要: Locally Optimal Solutions to Constraint Displacement Problems via Path-Obstacle Overlaps

• arxiv url: http://arxiv.org/abs/2511.12203v1
• Date: Sat, 15 Nov 2025 13:14:30 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-18 14:36:23.670968
• Title: Locally Optimal Solutions to Constraint Displacement Problems via Path-Obstacle Overlaps
• Title（参考訳）: 経路-障害物オーバーラップによる変位問題に対する局所最適解法
• Authors: Antony Thomas, Fulvio Mastrogiovanni, Marco Baglietto,
• Abstract要約: 本稿では,ロボットが制約や障害物を減らして実現可能な経路を見つけるような制約変位問題に対する統一的なアプローチを提案する。 制約変位問題の2つの異なるクラスに対するアプローチの実証に成功しているいくつかの例が提示されている。
• 参考スコア（独自算出の注目度）: 2.80151930790841
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: We present a unified approach for constraint displacement problems in which a robot finds a feasible path by displacing constraints or obstacles. To this end, we propose a two stage process that returns locally optimal obstacle displacements to enable a feasible path for the robot. The first stage proceeds by computing a trajectory through the obstacles while minimizing an appropriate objective function. In the second stage, these obstacles are displaced to make the computed robot trajectory feasible, that is, collision-free. Several examples are provided that successfully demonstrate our approach on two distinct classes of constraint displacement problems.
• Abstract（参考訳）: 本稿では,ロボットが制約や障害物を減らして実現可能な経路を見つけるような制約変位問題に対する統一的なアプローチを提案する。 そこで本研究では,ロボットにとって実現可能な経路を実現するために,局所的最適障害物変位を返す2段階プロセスを提案する。 第1段階は、適切な目的関数を最小化しながら、障害物を通して軌道を計算する。 第2段階では、これらの障害物を変位させて、計算されたロボット軌道、すなわち衝突のないものにする。 制約変位問題の2つの異なるクラスに対するアプローチの実証に成功しているいくつかの例が提示されている。

関連論文リスト

• Single-loop Algorithms for Stochastic Non-convex Optimization with Weakly-Convex Constraints [49.76332265680669]
  本稿では、目的関数と制約関数の両方が弱凸である問題の重要な部分集合について検討する。 既存の手法では、収束速度の遅さや二重ループ設計への依存など、しばしば制限に直面している。 これらの課題を克服するために,新しい単一ループペナルティに基づくアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2025-04-21T17:15:48Z)
• Trust-Region Sequential Quadratic Programming for Stochastic Optimization with Random Models [57.52124921268249]
  本稿では,1次と2次の両方の定常点を見つけるための信頼逐次準計画法を提案する。 本手法は, 1次定常点に収束するため, 対象対象の近似を最小化して定義された各イテレーションの勾配ステップを計算する。 2階定常点に収束するため,本手法は負曲率を減少するヘッセン行列を探索する固有ステップも計算する。
  論文  参考訳（メタデータ） (2024-09-24T04:39:47Z)
• Learning Constrained Optimization with Deep Augmented Lagrangian Methods [54.22290715244502]
  機械学習(ML)モデルは、制約付き最適化ソルバをエミュレートするために訓練される。 本稿では,MLモデルを用いて2つの解推定を直接予測する手法を提案する。 これにより、双対目的が損失関数であるエンドツーエンドのトレーニングスキームと、双対上昇法をエミュレートした原始的実現可能性への解推定を可能にする。
  論文  参考訳（メタデータ） (2024-03-06T04:43:22Z)
• Constrained Stein Variational Trajectory Optimization [5.317624228510749]
  CSVTOは,一連のトラジェクトリに制約のあるトラジェクトリ最適化を並列に行うアルゴリズムである。 多様な軌道を明示的に生成することにより、CSVTOは局所的な最小値の低下を回避できる。 CSVTOは、高度に制約されたタスクにおいて、ベースラインよりも優れていることを示す。
  論文  参考訳（メタデータ） (2023-08-23T12:58:40Z)
• Computational Tradeoff in Minimum Obstacle Displacement Planning for Robot Navigation [1.6058099298620423]
  移動ロボットの運動計画の観点から最小障害物変位(MOD)計画問題を検討する。 この問題は、障害物との衝突による経路が存在しない場合に、可動障害物を脱落させることにより、目標への最適経路を求める。 この研究は、計算量が少なく、最適コストの因子によって最適解とは異なる近似解を考察する。
  論文  参考訳（メタデータ） (2023-02-14T15:17:40Z)
• Differentiable Constrained Imitation Learning for Robot Motion Planning and Control [0.26999000177990923]
  我々は,交通エージェントのシミュレーションだけでなく,ロボットの動作計画と制御を制約するフレームワークを開発した。 モバイルロボットと自動運転アプリケーションに焦点をあてる。 移動ロボットナビゲーションと自動走行のシミュレーション実験は,提案手法の性能を示す証拠となる。
  論文  参考訳（メタデータ） (2022-10-21T08:19:45Z)
• Minimum Displacement Motion Planning for Movable Obstacles [1.7513645771137178]
  ロボットと障害物の交差度を計測する指標を定義した。 プランナーはまず、ロボットと障害物の交差を最小限に抑える障害物を通り抜ける道を見つける。 その後、メートル法は障害を反復的に変位させ、実現可能な経路を達成するのに使用される。
  論文  参考訳（メタデータ） (2022-04-27T07:14:13Z)
• An Integrated Localisation, Motion Planning and Obstacle Avoidance Algorithm in Belief Space [1.3535770763481902]
  ノイズセンサとアクティベーションエラーは、環境の特徴を推定しながら導入されたエラーと重なり合う。 本稿では,ロボットの状態推定にこれらの不確実性を取り入れた新しい手法を提案する。 推定ロボット構成に関する衝突確率を計算する。
  論文  参考訳（メタデータ） (2021-01-27T17:47:45Z)
• First Steps: Latent-Space Control with Semantic Constraints for Quadruped Locomotion [73.37945453998134]
  従来の四重化制御のアプローチでは、単純化された手作りのモデルが採用されている。 これにより、有効な運動範囲が縮小されているため、ロボットの能力が大幅に低下する。 この研究において、これらの課題は、構造化潜在空間における最適化として四重化制御をフレーミングすることによって解決される。 深い生成モデルは、実現可能な関節構成の統計的表現を捉え、一方、複雑な動的および終端的制約は高レベルな意味的指標によって表現される。 実世界とシミュレーションの両方で最適化された移動軌跡の実現可能性を検証する。
  論文  参考訳（メタデータ） (2020-07-03T07:04:18Z)

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。