論文の概要: ReSPIRe: Informative and Reusable Belief Tree Search for Robot Probabilistic Search and Tracking in Unknown Environments

• arxiv url: http://arxiv.org/abs/2512.24680v1
• Date: Wed, 31 Dec 2025 07:13:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 08:17:40.586782
• Title: ReSPIRe: Informative and Reusable Belief Tree Search for Robot Probabilistic Search and Tracking in Unknown Environments
• Title（参考訳）: ReSPIRe:未知環境におけるロボット確率探索と追跡のためのインフォーマティブで再利用可能な木探索
• Abstract要約: 本稿では,ターゲット探索・追跡(SAT)のための情報トラジェクトリ計画手法であるReSPIReを提案する。 我々はまず,非ガウス的信念分布下での相互情報報酬を高速かつ正確に推定する点に基づく新しい近似手法を開発した。 ReSPIReにおいて, 事前目標情報の不十分な不確実性に対処するために, 階層的粒子構造を提案する。
• 参考スコア（独自算出の注目度）: 25.261065989248877
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Target search and tracking (SAT) is a fundamental problem for various robotic applications such as search and rescue and environmental exploration. This paper proposes an informative trajectory planning approach, namely ReSPIRe, for SAT in unknown cluttered environments under considerably inaccurate prior target information and limited sensing field of view. We first develop a novel sigma point-based approximation approach to fast and accurately estimate mutual information reward under non-Gaussian belief distributions, utilizing informative sampling in state and observation spaces to mitigate the computational intractability of integral calculation. To tackle significant uncertainty associated with inadequate prior target information, we propose the hierarchical particle structure in ReSPIRe, which not only extracts critical particles for global route guidance, but also adjusts the particle number adaptively for planning efficiency. Building upon the hierarchical structure, we develop the reusable belief tree search approach to build a policy tree for online trajectory planning under uncertainty, which reuses rollout evaluation to improve planning efficiency. Extensive simulations and real-world experiments demonstrate that ReSPIRe outperforms representative benchmark methods with smaller MI approximation error, higher search efficiency, and more stable tracking performance, while maintaining outstanding computational efficiency.
• Abstract（参考訳）: ターゲット探索・追跡(SAT)は,探索・救助・環境探査などの様々なロボット応用の基本的な問題である。 本稿では,不正確な事前目標情報と限られた視野下でのSATにおける情報トラジェクトリ計画手法であるReSPIReを提案する。 我々はまず,非ガウス的信念分布下での相互情報報酬を高速かつ正確に推定する,新しいシグマ点に基づく近似手法を開発し,状態空間や観測空間における情報サンプリングを利用して積分計算の計算難易度を緩和する。 本研究では,大域的な経路誘導のための臨界粒子を抽出するだけでなく,計画の効率化のために粒子数を適応的に調整するReSPIReにおける階層的粒子構造を提案する。 階層構造を基盤として,不確実性を考慮したオンライン軌道計画のためのポリシーツリーを構築するための再利用可能な信条探索手法を開発し,ロールアウト評価を再利用し,計画効率を向上させる。 大規模なシミュレーションと実世界の実験により、ReSPIReはより小さいMI近似誤差、より高い探索効率、より安定した追跡性能で代表的ベンチマーク手法より優れ、優れた計算効率を維持していることが示された。

関連論文リスト

• SLIDER: Sparse History-Guided Aerial Robot Target Search using Sliding Local Maps [8.942263751725413]
  本稿では,局所的スライディングマップと疎大な世界史情報を組み合わせることで,大域的な高密度地図への依存を回避する軽量フレームワークであるSLIDERを提案する。 リアルタイムに点雲データを評価するために,歴史的ポーズとセンサモデルを利用した新しい観測品質評価手法を提案する。 スケーラブルでレスポンシブな計画をサポートするために、インクリメンタルな視点クラスタリング戦略は、ローカルアップデートに動的に適応する。 グローバルな計画とコスト評価を支援するため、疎グローバルなトポロジマップを漸進的に維持する。
  論文  参考訳（メタデータ） (2026-07-12T03:55:51Z)
• An Efficient Beam Search Algorithm for Active Perception in Mobile Robotics [10.002920418375007]
  アクティブな知覚は、ロボットがどこに移動するかを判断しなければならない自律ロボット工学の基本的な問題である。 既存のアプローチは、計算に費用がかかる旅行問題を過剰に選択した情報ノードで解決するか、より効率的だが過度に制約された最短経路木の定式化を採用するかのどちらかである。 本稿では,ノード毎の上位B候補を効率的に探索するノードワイズビームサーチ(NBS)アルゴリズムを提案する。 第2の貢献として、フロンティアの概念を経路選択基準に統合し、期待される利得指標を導入する。 第3の貢献は、高速探索ランダムアンラスグラフ(R)の提案である。
  論文  参考訳（メタデータ） (2026-04-25T14:35:11Z)
• Heuristic-inspired Reasoning Priors Facilitate Data-Efficient Referring Object Detection [53.988759250627425]
  HeROD(Heuristic-inspired ROD)は、明示的で解釈可能な空間的および意味的推論を注入する軽量でモデルに依存しないフレームワークである。 HeRODは、スカーセラベル体制において強い接地ベースラインを一貫して上回っている。
  論文  参考訳（メタデータ） (2026-03-25T10:33:22Z)
• Informative Path Planning with Guaranteed Estimation Uncertainty [7.2097330104931325]
  環境モニタリング予算ロボットは、厳密な距離とエネルギー制約の下で空間場を再構築する必要がある。 提案手法は,移動経路下でのセンサ位置選択と共同選択・引き抜き問題に対して,精度の高い近似保証付き手法を提案する。 実世界のデータを用いた実験では、より少ないセンシング位置と短い移動距離を用いて、プランナーが不確実な目標に到達していることが示されている。
  論文  参考訳（メタデータ） (2026-02-05T01:51:38Z)
• Rethinking Evaluation of Infrared Small Target Detection [105.59753496831739]
  本稿では,画素レベルと目標レベルのパフォーマンスを取り入れたハイブリッドレベルのメトリクスを導入し,システム的エラー解析手法を提案し,クロスデータセット評価の重要性を強調した。 標準化されたベンチマークを容易にするオープンソースツールキットがリリースされた。
  論文  参考訳（メタデータ） (2025-09-21T02:45:07Z)
• Probing Deep into Temporal Profile Makes the Infrared Small Target Detector Much Better [63.567886330598945]
  赤外線小目標(IRST)検出は、精度、普遍性、堅牢性、効率的な性能を同時に達成する上で困難である。 現在の学習に基づく手法は、空間的領域と短期的領域の両方から"より多くの情報を活用する。 本稿では、IRST検出のための時間次元でのみ計算を行う効率的な深部プローブネットワーク(DeepPro)を提案する。
  論文  参考訳（メタデータ） (2025-06-15T08:19:32Z)
• Explorable INR: An Implicit Neural Representation for Ensemble Simulation Enabling Efficient Spatial and Parameter Exploration [25.58241100888983]
  現在のサロゲートモデルは、ポイントまたはリージョンベースの予測の柔軟性に欠ける。 暗黙的ニューラル表現に基づくサーロゲートモデルであるExplorable INRを提案する。 本研究では,空間探索とパラメータ探索を併用したExplorable INRにより,計算とメモリコストを大幅に削減できることを実証する。
  論文  参考訳（メタデータ） (2025-04-01T15:33:28Z)
• Next-Best-Trajectory Planning of Robot Manipulators for Effective Observation and Exploration [0.26999000177990923]
  Next-Best-Trajectory原則は、動的環境で動作するロボットマニピュレータ向けに開発された。 本稿では,環境モデリングにボクセルマップを用い,関心点を中心とした視点からレイキャストを行い,情報ゲインを推定する。 グローバル・エルゴード・トラジェクトリ・プランナーは、ローカル・プランナーにオプションの参照・トラジェクトリを提供し、探索を改善し、ローカル・ミニマを避けるのに役立つ。
  論文  参考訳（メタデータ） (2025-03-28T16:34:29Z)
• MEXGEN: An Effective and Efficient Information Gain Approximation for Information Gathering Path Planning [3.195234044113248]
  自律ロボットの計画アルゴリズムは、不確実性の下でのシーケンシャルな意思決定問題を解決する必要がある。 我々は,不確実な信念状態からセンサ計測を予測する難しい問題に対して,計算的に効率的かつ効果的に近似する手法を開発した。 マルチロータ型空中ロボットを用いた広範囲なシミュレーション・フィールド実験により, 電波源追尾と位置決め問題の性能向上を実証した。
  論文  参考訳（メタデータ） (2024-05-04T08:09:16Z)
• RTracker: Recoverable Tracking via PN Tree Structured Memory [71.05904715104411]
  本稿では,木構造メモリを用いてトラッカーと検出器を動的に関連付け,自己回復を可能にするRTrackerを提案する。 具体的には,正負と負のターゲットサンプルを時系列に保存し,維持する正負のツリー構造メモリを提案する。 我々の中核となる考え方は、正と負の目標カテゴリーの支持サンプルを用いて、目標損失の信頼性評価のための相対的距離に基づく基準を確立することである。
  論文  参考訳（メタデータ） (2024-03-28T08:54:40Z)
• ROME: Robustifying Memory-Efficient NAS via Topology Disentanglement and Gradient Accumulation [106.04777600352743]
  微分可能なアーキテクチャサーチ(DARTS)は、スーパーネット全体がメモリに格納されているため、メモリコストが大幅に低下する。 シングルパスのDARTSが登場し、各ステップでシングルパスのサブモデルのみを選択する。 メモリフレンドリーだが、計算コストも低い。 RObustifying Memory-Efficient NAS (ROME) と呼ばれる新しいアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-11-23T06:34:07Z)
• Bayesian Optimization with Machine Learning Algorithms Towards Anomaly Detection [66.05992706105224]
  本稿では,ベイズ最適化手法を用いた効果的な異常検出フレームワークを提案する。 ISCX 2012データセットを用いて検討したアルゴリズムの性能を評価する。 実験結果から, 精度, 精度, 低コストアラームレート, リコールの観点から, 提案手法の有効性が示された。
  論文  参考訳（メタデータ） (2020-08-05T19:29:35Z)
• Rethinking Performance Estimation in Neural Architecture Search [191.08960589460173]
  本稿では,資源制約型システムにおける性能推定(PE)の体系的再考を行う。 BPEと強化学習,進化アルゴリズム,ランダム探索,異種アーキテクチャ探索などの様々な探索アルゴリズムを組み合わせることで,NASの1,000倍の高速化を実現した。
  論文  参考訳（メタデータ） (2020-05-20T09:01:44Z)

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。