論文の概要: Local Path Optimization in The Latent Space Using Learned Distance Gradient

• arxiv url: http://arxiv.org/abs/2512.24272v1
• Date: Tue, 30 Dec 2025 14:56:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 08:17:40.571941
• Title: Local Path Optimization in The Latent Space Using Learned Distance Gradient
• Title（参考訳）: 学習距離勾配を用いた潜時空間の局所経路最適化
• Authors: Jiawei Zhang, Chengchao Bai, Wei Pan, Tianhang Liu, Jifeng Guo,
• Abstract要約: 制約された運動計画は、ロボット操作において一般的な問題であるが難しい問題である。 本稿では,ロボットと障害物の最小距離を予測するためにニューラルネットワークを訓練する手法を提案する。 学習された距離勾配は、ロボットを障害物から遠ざけるために潜伏空間の移動方向を計算するために使用される。
• 参考スコア（独自算出の注目度）: 14.220732305518583
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Constrained motion planning is a common but challenging problem in robotic manipulation. In recent years, data-driven constrained motion planning algorithms have shown impressive planning speed and success rate. Among them, the latent motion method based on manifold approximation is the most efficient planning algorithm. Due to errors in manifold approximation and the difficulty in accurately identifying collision conflicts within the latent space, time-consuming path validity checks and path replanning are required. In this paper, we propose a method that trains a neural network to predict the minimum distance between the robot and obstacles using latent vectors as inputs. The learned distance gradient is then used to calculate the direction of movement in the latent space to move the robot away from obstacles. Based on this, a local path optimization algorithm in the latent space is proposed, and it is integrated with the path validity checking process to reduce the time of replanning. The proposed method is compared with state-of-the-art algorithms in multiple planning scenarios, demonstrating the fastest planning speed
• Abstract（参考訳）: 制約された運動計画は、ロボット操作において一般的な問題であるが難しい問題である。 近年、データ駆動型制約付きモーションプランニングアルゴリズムは、計画速度と成功率に目を見張るものとなっている。 その中でも、多様体近似に基づく潜在運動法が最も効率的な計画アルゴリズムである。 多様体近似の誤差と遅延空間内の衝突衝突を正確に識別する困難さのため、時間を要する経路妥当性チェックと経路再計画が必要である。 本稿では,ニューラルネットワークを用いてロボットと障害物の最小距離を,潜時ベクトルを入力として予測する手法を提案する。 学習された距離勾配は、ロボットを障害物から遠ざけるために潜伏空間の移動方向を計算するために使用される。 これに基づいて、潜在空間における局所経路最適化アルゴリズムを提案し、経路妥当性確認プロセスと統合して、再計画の時間を短縮する。 提案手法は,複数の計画シナリオにおける最先端のアルゴリズムと比較し,最速の計画速度を示す。

関連論文リスト

• Enhanced UAV Path Planning Using the Tangent Intersection Guidance (TIG) Algorithm [0.0]
  Tangent Intersection Guidance (TIG) は、静的および動的環境の両方において、UAV経路計画の先進的なアプローチである。 脅威ごとに2つのサブパスを生成し、アルゴリズムルールに基づいて最適な経路を選択し、目標に到達するまで経路を反復的に洗練する。 TIGは衝突回避のための効率的なリアルタイムパス計画機能を示し、APFおよびダイナミックAPPATTアルゴリズムより優れている。
  論文  参考訳（メタデータ） (2025-08-26T12:11:59Z)
• Real-Time Sampling-based Online Planning for Drone Interception [18.340019191662957]
  本稿では,ニューラルネットワークの推論を利用して,時間を要する非線形軌道最適化を代替するサンプリングベースのオンライン計画アルゴリズムを提案する。 提案手法は、無人機が衝突を回避し、不完全な目標予測を処理しながら、目標を迎撃しなければならないドローン迎撃問題に適用される。
  論文  参考訳（メタデータ） (2025-02-20T03:48:38Z)
• SCoTT: Strategic Chain-of-Thought Tasking for Wireless-Aware Robot Navigation in Digital Twins [78.53885607559958]
  無線対応経路計画フレームワークであるSCoTTを提案する。 SCoTT は DP-WA* の2% 以内で経路ゲインを達成し, 連続的に短い軌道を生成できることを示す。 また,ガゼボシミュレーションにおいて,SCoTTをROSノードとして配置することにより,本手法の実用性を示す。
  論文  参考訳（メタデータ） (2024-11-27T10:45:49Z)
• Potential Based Diffusion Motion Planning [73.593988351275]
  本稿では,潜在的行動計画の学習に向けた新しいアプローチを提案する。 我々はニューラルネットワークを訓練し、運動計画軌跡よりも容易に最適化可能なポテンシャルを捕捉し、学習する。 我々は、その固有の構成可能性を示し、様々な動きの制約に一般化することができる。
  論文  参考訳（メタデータ） (2024-07-08T17:48:39Z)
• LLM-A*: Large Language Model Enhanced Incremental Heuristic Search on Path Planning [91.95362946266577]
  経路計画はロボット工学と自律航法における基本的な科学的問題である。 A*やその変種のような伝統的なアルゴリズムは、パスの妥当性を保証することができるが、状態空間が大きくなるにつれて、計算とメモリの非効率が著しく低下する。 本稿では, A* の正確なパスフィニング能力と LLM のグローバルな推論能力とを相乗的に組み合わせた LLM ベースの経路計画法を提案する。 このハイブリッドアプローチは、特に大規模シナリオにおいて、パス妥当性の完全性を維持しながら、時間と空間の複雑さの観点からパスフィニング効率を向上させることを目的としている。
  論文  参考訳（メタデータ） (2024-06-20T01:24:30Z)
• Simultaneous Contact-Rich Grasping and Locomotion via Distributed Optimization Enabling Free-Climbing for Multi-Limbed Robots [60.06216976204385]
  移動, 把握, 接触問題を同時に解くための効率的な運動計画フレームワークを提案する。 ハードウェア実験において提案手法を実証し, より短い計画時間で, 傾斜角45degで自由クライミングを含む様々な動作を実現できることを示す。
  論文  参考訳（メタデータ） (2022-07-04T13:52:10Z)
• Distributed Allocation and Scheduling of Tasks with Cross-Schedule Dependencies for Heterogeneous Multi-Robot Teams [2.294915015129229]
  本稿では,異なるロボットのタスクが時間的・優先的な制約に強く結びついているミッションに対して,タスク割り当てとスケジューリングを行うアルゴリズムを提案する。 マルチロボットシステムによって維持される温室の実用ユースケースへの計画手順の適用。
  論文  参考訳（メタデータ） (2021-09-07T13:44:28Z)
• Performance Improvement of Path Planning algorithms with Deep Learning Encoder Model [1.1995939891389429]
  この状況を克服するために畳み込みニューラルネットワーク(CNN)が用いられた。 本稿では,このCNNモデルを用いて性能を詳細に解析し,無駄な経路を除去する。
  論文  参考訳（メタデータ） (2020-08-05T17:34:31Z)
• CNN Encoder to Reduce the Dimensionality of Data Image for Motion Planning [1.244705780038575]
  動作計画問題に対して無駄な経路を除去できるCNNエンコーダを提案する。 評価されたすべてのシナリオにおいて、我々のソリューションはイテレーションの数を60%以上削減しました。
  論文  参考訳（メタデータ） (2020-04-10T15:44:52Z)

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。