論文の概要: RPT*: Global Planning with Probabilistic Terminals for Target Search in Complex Environments
- arxiv url: http://arxiv.org/abs/2601.12701v1
- Date: Mon, 19 Jan 2026 03:55:35 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-23 08:17:40.834413
- Title: RPT*: Global Planning with Probabilistic Terminals for Target Search in Complex Environments
- Title（参考訳）: RPT*:複雑な環境におけるターゲット探索のための確率的端末を用いたグローバルプランニング
- Authors: Yunpeng Lyu, Chao Cao, Ji Zhang, Howie Choset, Zhongqiang Ren,
- Abstract要約: 本稿では,HPP-PT(Probabilistic Terminals)を用いた変種HPPについて検討する。
HPP-PTは対象物探索において発生し、移動ロボットは対象物を見つけるためにすべての候補地を訪れなければならない。
我々は,新しい状態空間における動的プログラミングを活用して,履歴依存やノベルをバイパスし,計算速度を向上する解の最適性保証を備えた検索ベースアプローチRTT*を提案する。
- 参考スコア（独自算出の注目度）: 24.363288778774404
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Routing problems such as Hamiltonian Path Problem (HPP), seeks a path to visit all the vertices in a graph while minimizing the path cost. This paper studies a variant, HPP with Probabilistic Terminals (HPP-PT), where each vertex has a probability representing the likelihood that the robot's path terminates there, and the objective is to minimize the expected path cost. HPP-PT arises in target object search, where a mobile robot must visit all candidate locations to find an object, and prior knowledge of the object's location is expressed as vertex probabilities. While routing problems have been studied for decades, few of them consider uncertainty as required in this work. The challenge lies not only in optimally ordering the vertices, as in standard HPP, but also in handling history dependency: the expected path cost depends on the order in which vertices were previously visited. This makes many existing methods inefficient or inapplicable. To address the challenge, we propose a search-based approach RPT* with solution optimality guarantees, which leverages dynamic programming in a new state space to bypass the history dependency and novel heuristics to speed up the computation. Building on RPT*, we design a Hierarchical Autonomous Target Search (HATS) system that combines RPT* with either Bayesian filtering for lifelong target search with noisy sensors, or autonomous exploration to find targets in unknown environments. Experiments in both simulation and real robot show that our approach can naturally balance between exploitation and exploration, thereby finding targets more quickly on average than baseline methods.
- Abstract（参考訳）: ハミルトニアンパス問題(HPP)のようなルーティング問題は、パスコストを最小化しながらグラフ内のすべての頂点を訪問する経路を求める。
本稿では,HPP-PT (Probabilistic Terminals) とHPP-PT (Probabilistic Terminals) の変種について検討する。
HPP-PTは対象物探索において発生し、対象物を見つけるには移動ロボットがすべての候補地を訪れなければならない。
ルーティングの問題は何十年にもわたって研究されてきたが、この研究に必要な不確実性を考慮する人はほとんどいない。
この課題は、標準的なHPPのように頂点を最適に順序付けするだけでなく、履歴依存を扱うことにある。
これにより、既存の多くのメソッドが非効率または適用不可能になる。
この課題に対処するために、新しい状態空間における動的プログラミングを活用して、履歴依存や新しいヒューリスティックスを回避し、計算を高速化する解の最適性保証を備えた検索ベースアプローチRTT*を提案する。
RPT*をベースとした階層型自律目標探索(HATS)システムを設計し、RTT*とベイジアンフィルタを組み合わせることにより、ノイズの多いセンサを用いた生涯ターゲット探索や、未知の環境でターゲットを見つけるための自律探索を行う。
シミュレーションと実ロボットの両方の実験により、我々のアプローチは、エクスプロイトと探索のバランスを自然に保ち、ベースライン法よりも高速に目標を見つけることができることが示された。
関連論文リスト
- 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) - Search-Based Path Planning in Interactive Environments among Movable Obstacles [8.023424148846265]
本稿では,2つのPAMOの定式化について述べる。
完全性と解の最適性を保証する計画手法であるPAMO*を開発し,その2つの問題を解決する。
結果から,PAMO*は最大400個のオブジェクトを持つ乱雑な写像において,1秒以内に最適解を見つけることができることがわかった。
論文 参考訳（メタデータ） (2024-10-24T00:02:58Z) - 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) - POA: Passable Obstacles Aware Path-planning Algorithm for Navigation of
a Two-wheeled Robot in Highly Cluttered Environments [53.41594627336511]
パッシブル障害物認識(Passable Obstacles Aware, POA)プランナーは, 乱雑な環境下での二輪ロボットのナビゲーション手法である。
我々のアルゴリズムは、二輪ロボットが通過可能な障害物を通り抜ける道を見つけることを可能にする。
論文 参考訳（メタデータ） (2023-07-16T19:44:27Z) - GP-guided MPPI for Efficient Navigation in Complex Unknown Cluttered
Environments [2.982218441172364]
本研究では,モデル予測パスインターガル(MPPI)と局所知覚モデルを統合するオンライン学習ベースの制御戦略であるGP-MPPIを提案する。
我々は,2次元自律ナビゲーションタスクのシミュレーションおよび実世界の実験を通じて,提案した制御戦略の効率性とロバスト性を検証する。
論文 参考訳（メタデータ） (2023-07-08T17:33:20Z) - Learning Coverage Paths in Unknown Environments with Deep Reinforcement Learning [17.69984142788365]
被覆経路計画 (CPP) は、制限された領域の自由空間全体をカバーする経路を見つける問題である。
この課題に対する強化学習の適性について検討する。
本稿では,フロンティアに基づく計算可能なエゴセントリックマップ表現と,全変動に基づく新たな報酬項を提案する。
論文 参考訳（メタデータ） (2023-06-29T14:32:06Z) - Optimal Horizon-Free Reward-Free Exploration for Linear Mixture MDPs [60.40452803295326]
線形マルコフ決定過程(MDP)を学習するための新たな報酬なしアルゴリズムを提案する。
我々のアルゴリズムの核心は、探索駆動の擬似回帰を用いた不確実性重み付き値目標回帰である。
我々のアルゴリズムは$tilde O(d2varepsilon-2)$ episodesを探索するだけで、$varepsilon$-optimal policyを見つけることができる。
論文 参考訳（メタデータ） (2023-03-17T17:53:28Z) - DDPEN: Trajectory Optimisation With Sub Goal Generation Model [70.36888514074022]
本稿では,エスケープネットワークを用いた微分動的プログラミング(DDPEN)を提案する。
本稿では,環境の入力マップとして,所望の位置とともにコストマップの形で利用する深層モデルを提案する。
このモデルは、目標に導く可能性のある将来の方向を生成し、リアルタイムに実行可能なローカルなミニマを避ける。
論文 参考訳（メタデータ） (2023-01-18T11:02:06Z) - Hierarchical Path-planning from Speech Instructions with Spatial Concept-based Topometric Semantic Mapping [7.332652485849632]
本研究の目的は,位相的意味マップと経路計画を用いた階層的空間表現の実現である。
本研究では,SIGVerseシミュレータ上でのToyota Human Support Robotを用いた家庭環境実験と,実ロボットAlbertを用いた実験室環境実験を行った。
経路距離を用いた音声指示を用いたナビゲーション実験は,経路コストを基準とした階層的経路計画法よりもSpCoTMHPの性能向上を実証した。
論文 参考訳（メタデータ） (2022-03-21T09:15:25Z)
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。