論文の概要: Anytime Metaheuristic Framework for Global Route Optimization in Expected-Time Mobile Search

• arxiv url: http://arxiv.org/abs/2512.20711v1
• Date: Tue, 23 Dec 2025 19:19:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 08:17:40.487625
• Title: Anytime Metaheuristic Framework for Global Route Optimization in Expected-Time Mobile Search
• Title（参考訳）: 待ち時間モバイル検索におけるグローバルルート最適化のための任意のメタヒューリスティックフレームワーク
• Authors: Jan Mikula, Miroslav Kulich,
• Abstract要約: 期待時間モバイルサーチ(ETS)は、移動センサが環境をナビゲートし、隠れた物体を見つけるのに必要な時間を最小化するロボット処理である。 本稿では,EMS のモデルベースソリューションフレームワークである Milaps を導入することにより,後者をさらに拡張した。
• 参考スコア（独自算出の注目度）: 0.6187780920448871
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Expected-time mobile search (ETS) is a fundamental robotics task where a mobile sensor navigates an environment to minimize the expected time required to locate a hidden object. Global route optimization for ETS in static 2D continuous environments remains largely underexplored due to the intractability of objective evaluation, stemming from the continuous nature of the environment and the interplay of motion and visibility constraints. Prior work has addressed this through partial discretization, leading to discrete-sensing formulations tackled via utility-greedy heuristics. Others have taken an indirect approach by heuristically approximating the objective using minimum latency problems on fixed graphs, enabling global route optimization via efficient metaheuristics. This paper builds on and significantly extends the latter by introducing Milaps (Minimum latency problems), a model-based solution framework for ETS. Milaps integrates novel auxiliary objectives and adapts a recent anytime metaheuristic for the traveling deliveryman problem, chosen for its strong performance under tight runtime constraints. Evaluations on a novel large-scale dataset demonstrate superior trade-offs between solution quality and runtime compared to state-of-the-art baselines. The best-performing strategy rapidly generates a preliminary solution, assigns static weights to sensing configurations, and optimizes global costs metaheuristically. Additionally, a qualitative study highlights the framework's flexibility across diverse scenarios.
• Abstract（参考訳）: 期待時間モバイルサーチ(ETS)は、モバイルセンサが環境をナビゲートし、隠れた物体を見つけるのに必要な時間を最小化する、基本的なロボティクスタスクである。 静的な2次元連続環境におけるETSのグローバルな経路最適化は、環境の連続的な性質と動きと可視性制約の相互作用から生じる客観的評価の難しさにより、未解明のままである。 以前の研究は部分的な離散化によってこの問題に対処し、ユーティリティ・グリーディ・ヒューリスティックス(英語版)による離散感覚の定式化に取り組んできた。 他の者は、固定グラフ上の最小遅延問題を用いて目的をヒューリスティックに近似し、効率的なメタヒューリスティックスによる大域的なルート最適化を可能にした。 本稿では,EMS のモデルベースソリューションフレームワークである Milaps (Minimum latency problem) を導入することにより,後者をさらに拡張する。 Milapsは、新しい補助目標を統合し、実行時の厳密な制約下での強力なパフォーマンスのために選択された、旅行配達員問題に対して、最新のメタヒューリスティックを適用している。 新たな大規模データセットの評価は、最先端のベースラインと比較して、ソリューションの品質と実行時のトレードオフが優れていることを示している。 最高のパフォーマンス戦略は、予備的なソリューションを迅速に生成し、静的な重みを検知設定に割り当て、グローバルなコストをメタヒューリスティックに最適化する。 さらに質的な調査では、さまざまなシナリオにわたるフレームワークの柔軟性を強調している。

関連論文リスト

• Fast Near Time-Optimal Motion Planning for Holonomic Vehicles in Structured Environments [8.195916347194315]
  磁気浮上を用いた平面運動系における運動計画の課題を解決することを目的としている。 提案手法は, 自由空間廊下を用いた環境表現を符号化し, 移動プリミティブを用いて車両の走行を表現している。 この手法は最先端のXPlanarシステムよりもはるかに低い時間で実現され、実世界のBeckhoff XPlanarシステム上で検証される。
  論文  参考訳（メタデータ） (2026-02-02T21:26:30Z)
• Hierarchical Task Offloading and Trajectory Optimization in Low-Altitude Intelligent Networks Via Auction and Diffusion-based MARL [37.79695337425523]
  低高度インテリジェントネットワーク(LAIN)は、災害対応、環境モニタリング、リアルタイムセンシングといったミッションクリティカルなアプリケーションをサポートすることができる。 これらのシステムは、エネルギー制約のあるUAV、タスク到着、異種コンピューティングリソースなど、重要な課題に直面している。 本稿では,UAV軌道計画とタスクオフロード決定を協調的に最適化する,時間依存型整数型非線形計画問題の解法を提案する。
  論文  参考訳（メタデータ） (2025-12-05T08:14:45Z)
• Unlocking Smarter Device Control: Foresighted Planning with a World Model-Driven Code Execution Approach [82.27842884709378]
  本研究では,自然言語理解と構造化推論を優先し,エージェントの環境に対するグローバルな理解を高める枠組みを提案する。 本手法は,従来の手法,特にタスク成功率の44.4%向上を達成している。
  論文  参考訳（メタデータ） (2025-05-22T09:08:47Z)
• Neural ATTF: A Scalable Solution to Lifelong Multi-Agent Path Planning [0.5701273481078372]
  本稿では,優先度誘導タスクマッチング(PGTM)モジュールとデータ駆動経路計画法であるNeural STA*(Space-Time A*)を組み合わせた新しいアルゴリズムを提案する。 TPTS, CENTRAL, RMCA, LNS-PBS, LNS-wPBS などの最先端の MAPD アルゴリズムに対するテストは, Neural ATTF の優れたスケーラビリティ, ソリューション品質, 計算効率を示す。
  論文  参考訳（メタデータ） (2025-04-21T14:25:32Z)
• Task Delay and Energy Consumption Minimization for Low-altitude MEC via Evolutionary Multi-objective Deep Reinforcement Learning [52.64813150003228]
  無人航空機や他の航空機による低高度経済(LAE)は、輸送、農業、環境監視といった分野に革命をもたらした。 今後の6世代(6G)時代において、UAV支援移動エッジコンピューティング(MEC)は特に山岳や災害に遭った地域のような困難な環境において重要である。 タスクオフロード問題は、主にタスク遅延の最小化とUAVのエネルギー消費のトレードオフに対処するUAV支援MECの重要な問題の一つである。
  論文  参考訳（メタデータ） (2025-01-11T02:32:42Z)
• Generalizable Spacecraft Trajectory Generation via Multimodal Learning with Transformers [14.176630393074149]
  本稿では,様々な問題構成にまたがって一般化する新しいトラジェクトリ生成フレームワークを提案する。 我々は、データソースから学習できる高容量トランスフォーマーニューラルネットワークを活用している。 このフレームワークはフリーフライアプラットフォームでのシミュレーションと実験を通じて検証されている。
  論文  参考訳（メタデータ） (2024-10-15T15:55:42Z)
• CARIn: Constraint-Aware and Responsive Inference on Heterogeneous Devices for Single- and Multi-DNN Workloads [4.556037016746581]
  本稿では,モバイルデバイス上でのディープニューラルネットワーク(DNN)の実行を最適化する上での課題に対処する。 CARInはシングルDNNアプリケーションとマルチDNNアプリケーションの両方を最適化するための新しいフレームワークである。 現状のOODInフレームワークとは対照的に,単一モデルの設計では1.92倍,最大10.69倍となる。
  論文  参考訳（メタデータ） (2024-09-02T09:18:11Z)
• A Meta-Engine Framework for Interleaved Task and Motion Planning using Topological Refinements [51.54559117314768]
  タスク・アンド・モーション・プランニング(タスク・アンド・モーション・プランニング、TAMP)は、自動化された計画問題の解決策を見つけるための問題である。 本稿では,TAMP問題のモデル化とベンチマークを行うための,汎用的でオープンソースのフレームワークを提案する。 移動エージェントと複数のタスク状態依存障害を含むTAMP問題を解決する革新的なメタ技術を導入する。
  論文  参考訳（メタデータ） (2024-08-11T14:57:57Z)
• Dynamic Regularized Sharpness Aware Minimization in Federated Learning: Approaching Global Consistency and Smooth Landscape [59.841889495864386]
  フェデレートラーニング(FL)では、グローバルサーバの協調の下で、ローカルクライアントのクラスタがチェアリングされる。 クライアントは自身のオプティマに過度に適合する傾向にあり、グローバルな目標から非常に逸脱する。 tt Family FedSMOOは、グローバルな目的に対する局所的な最適性を保証するために動的正規化器を採用する。 理論解析により, tt Family FedSMOO は, 低境界一般化による高速$mathcalO (1/T)$収束率を達成することが示された。
  論文  参考訳（メタデータ） (2023-05-19T10:47:44Z)

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。