論文の概要: OptMap: Geometric Map Distillation via Submodular Maximization

• arxiv url: http://arxiv.org/abs/2512.07775v1
• Date: Mon, 08 Dec 2025 17:56:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 08:17:40.213601
• Title: OptMap: Geometric Map Distillation via Submodular Maximization
• Title（参考訳）: OptMap: 部分モジュラ最大化による幾何学的マップ蒸留
• Authors: David Thorne, Nathan Chan, Christa S. Robison, Philip R. Osteen, Brett T. Lopez,
• Abstract要約: 自律ロボットは、様々な知覚と意思決定アルゴリズムを伝えるために幾何学的マップに依存している。 自律性は複数のスケールでの推論と計画を必要とするため、それぞれが最適なパフォーマンスのために異なるマップを必要とする場合がある。 本稿では,リアルタイムなアプリケーション固有の地図生成を実現する幾何学的地図蒸留アルゴリズムOpsMapを提案する。
• 参考スコア（独自算出の注目度）: 1.826848871278733
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Autonomous robots rely on geometric maps to inform a diverse set of perception and decision-making algorithms. As autonomy requires reasoning and planning on multiple scales of the environment, each algorithm may require a different map for optimal performance. Light Detection And Ranging (LiDAR) sensors generate an abundance of geometric data to satisfy these diverse requirements, but selecting informative, size-constrained maps is computationally challenging as it requires solving an NP-hard combinatorial optimization. In this work we present OptMap: a geometric map distillation algorithm which achieves real-time, application-specific map generation via multiple theoretical and algorithmic innovations. A central feature is the maximization of set functions that exhibit diminishing returns, i.e., submodularity, using polynomial-time algorithms with provably near-optimal solutions. We formulate a novel submodular reward function which quantifies informativeness, reduces input set sizes, and minimizes bias in sequentially collected datasets. Further, we propose a dynamically reordered streaming submodular algorithm which improves empirical solution quality and addresses input order bias via an online approximation of the value of all scans. Testing was conducted on open-source and custom datasets with an emphasis on long-duration mapping sessions, highlighting OptMap's minimal computation requirements. Open-source ROS1 and ROS2 packages are available and can be used alongside any LiDAR SLAM algorithm.
• Abstract（参考訳）: 自律ロボットは、様々な知覚と意思決定アルゴリズムを伝えるために幾何学的マップに依存している。 自律性は環境の複数のスケールでの推論と計画を必要とするため、それぞれのアルゴリズムは最適なパフォーマンスのために異なるマップを必要とするかもしれない。 光検出とラングング(LiDAR)センサーは、これらの多様な要求を満たすために幾何データを大量に生成するが、NPハード組合せ最適化の解決を必要とするため、情報的、サイズに制約のあるマップを選択することは計算的に困難である。 本稿では,複数の理論的およびアルゴリズム的革新を通じて,リアルタイムなアプリケーション固有の地図生成を実現する幾何学的地図蒸留アルゴリズムであるOpsMapを提案する。 中心的な特徴は集合関数の最大化(英語版)であり、これは劣モジュラリティ(英語版)(submodularity)、すなわち証明可能な近似解を持つ多項式時間アルゴリズム(英語版)を用いて減少するリターンを示す。 本稿では,情報度を定量化し,入力集合のサイズを小さくし,逐次的に収集したデータセットのバイアスを最小限にする,新しいサブモジュラー報酬関数を定式化する。 さらに,全てのスキャン値のオンライン近似により,経験的解法の品質を改善し,入力順序バイアスに対処する動的リオーダー型ストリーミングサブモジュールアルゴリズムを提案する。 OptMapの最小限の計算要件を強調し、長期のマッピングセッションを重視した、オープンソースのデータセットとカスタムデータセットでテストが行われた。 オープンソースROS1とROS2パッケージは利用可能であり、任意のLiDAR SLAMアルゴリズムと併用することができる。

関連論文リスト

• 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)
• An Efficient Algorithm for Clustered Multi-Task Compressive Sensing [60.70532293880842]
  クラスタ化マルチタスク圧縮センシングは、複数の圧縮センシングタスクを解決する階層モデルである。 このモデルに対する既存の推論アルゴリズムは計算コストが高く、高次元ではうまくスケールしない。 本稿では,これらの共分散行列を明示的に計算する必要をなくし,モデル推論を大幅に高速化するアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-09-30T15:57:14Z)
• Linearized Wasserstein dimensionality reduction with approximation guarantees [65.16758672591365]
  LOT Wassmap は、ワーッサーシュタイン空間の低次元構造を明らかにするための計算可能なアルゴリズムである。 我々は,LOT Wassmapが正しい埋め込みを実現し,サンプルサイズの増加とともに品質が向上することを示す。 また、LOT Wassmapがペア距離計算に依存するアルゴリズムと比較して計算コストを大幅に削減することを示す。
  論文  参考訳（メタデータ） (2023-02-14T22:12:16Z)
• Adaptive Federated Minimax Optimization with Lower Complexities [82.51223883622552]
  本稿では,これらのミニマックス問題の解法として,適応最小最適化アルゴリズム(AdaFGDA)を提案する。 運動量に基づく還元および局所SGD技術を構築し、様々な適応学習率を柔軟に組み込む。
  論文  参考訳（メタデータ） (2022-11-14T12:32:18Z)
• Spatially scalable recursive estimation of Gaussian process terrain maps using local basis functions [0.8192907805418581]
  非線形地形のオンラインマッピングは、エージェントが以前にマッピングされた領域に戻るときの位置推定を改善するために使用できる。 GPマッピングアルゴリズムは、マッピングされた領域が拡大するにつれて、計算要求が増大している。 提案手法は,地図面積が大きい場合,既存の手法よりも高速であることを示す。
  論文  参考訳（メタデータ） (2022-10-17T15:13:41Z)
• Scalable Distributed Algorithms for Size-Constrained Submodular Maximization in the MapReduce and Adaptive Complexity Models [17.462968952951883]
  MapReduce(MR)モデルのサブモジュラー関数は注目されている。 MR設定において,複数のサブ線形適応アルゴリズムが動作に必要な整合性を満たすことを示す。
  論文  参考訳（メタデータ） (2022-06-20T04:17:32Z)
• A Metaheuristic Algorithm for Large Maximum Weight Independent Set Problems [58.348679046591265]
  ノード重み付きグラフが与えられたとき、ノード重みが最大となる独立した(相互に非隣接な)ノードの集合を見つける。 このアプリケーションで放送されるグラフの中には、数十万のノードと数億のエッジを持つ大きなものもあります。 我々は,不規則なランダム化適応検索フレームワークにおいてメタヒューリスティックな新しい局所探索アルゴリズムを開発した。
  論文  参考訳（メタデータ） (2022-03-28T21:34:16Z)
• Towards Optimally Efficient Tree Search with Deep Learning [76.64632985696237]
  本稿では,線形モデルから信号整数を推定する古典整数最小二乗問題について検討する。 問題はNPハードであり、信号処理、バイオインフォマティクス、通信、機械学習といった様々な応用でしばしば発生する。 本稿では, 深いニューラルネットワークを用いて, 単純化されたメモリバウンドA*アルゴリズムの最適推定を推定し, HATSアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2021-01-07T08:00:02Z)
• Online Model Selection for Reinforcement Learning with Function Approximation [50.008542459050155]
  我々は、$tildeO(L5/6 T2/3)$ regretで最適な複雑性に適応するメタアルゴリズムを提案する。 また、メタアルゴリズムは、インスタンス依存の後悔境界を著しく改善することを示す。
  論文  参考訳（メタデータ） (2020-11-19T10:00:54Z)

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。