論文の概要: Hierarchical Informative Path Planning via Graph Guidance and Trajectory Optimization

• arxiv url: http://arxiv.org/abs/2601.17227v1
• Date: Fri, 23 Jan 2026 23:27:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 08:17:40.925895
• Title: Hierarchical Informative Path Planning via Graph Guidance and Trajectory Optimization
• Title（参考訳）: グラフ誘導と軌道最適化による階層的インフォーマティブパス計画
• Authors: Avraiem Iskandar, Shamak Dutta, Kevin Murrant, Yash Vardhan Pant, Stephen L. Smith,
• Abstract要約: エージェントがガウス過程 (GP) としてモデル化された潜伏場の測定を収集し, 対象地における不確実性を低減するため, 乱雑な環境下での移動予算を考慮した情報経路計画 (IPP) について検討する。 i) グラフに基づくグローバルプランニング, (ii) 幾何学的およびカーネル境界を用いたセグメント単位の予算配分, (iii) 厳密な制約と障害物刈取を伴う各セグメントのスプラインベース改良の3段階からなる階層的フレームワークを提案する。
• 参考スコア（独自算出の注目度）: 10.020847331719398
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We study informative path planning (IPP) with travel budgets in cluttered environments, where an agent collects measurements of a latent field modeled as a Gaussian process (GP) to reduce uncertainty at target locations. Graph-based solvers provide global guarantees but assume pre-selected measurement locations, while continuous trajectory optimization supports path-based sensing but is computationally intensive and sensitive to initialization in obstacle-dense settings. We propose a hierarchical framework with three stages: (i) graph-based global planning, (ii) segment-wise budget allocation using geometric and kernel bounds, and (iii) spline-based refinement of each segment with hard constraints and obstacle pruning. By combining global guidance with local refinement, our method achieves lower posterior uncertainty than graph-only and continuous baselines, while running faster than continuous-space solvers (up to 9x faster than gradient-based methods and 20x faster than black-box optimizers) across synthetic cluttered environments and Arctic datasets.
• Abstract（参考訳）: エージェントがガウス過程 (GP) としてモデル化された潜伏場の測定を収集し, 対象地における不確実性を低減するため, 乱雑な環境下での移動予算を考慮した情報経路計画(IPP)について検討する。 グラフベースのソルバは、グローバルな保証を提供するが、事前に選択された測定位置を仮定する。 3段階の階層的枠組みを提案する。 (i)グラフに基づくグローバルプランニング 二 幾何学的及びカーネル境界を用いた部分的予算配分、及び 三 固い制約と障害物刈り込みのある各セグメントのスプラインベース精錬。 局所的な改善とグローバルガイダンスを組み合わせることで,連続空間ソルバよりも高速(勾配法より最大9倍,ブラックボックスオプティマイザより最大20倍)で,グラフのみや連続ベースラインよりも後方の不確実性を達成できる。

関連論文リスト

• Two-Stage Path Following for Mobile Manipulators via Dimensionality-Reduced Graph Search and Numerical Optimization [13.862491697262037]
  移動マニピュレータの効率的な経路は、高次元の設定空間や運動的制約によって妨げられることが多い。 本稿では、8-DoF計画問題をトラクタブルな2-DoFベース最適化に分解する頑健な2段階構成計画フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-03-07T02:54:02Z)
• SCOPE: Skeleton Graph-Based Computation-Efficient Framework for Autonomous UAV Exploration [30.628401434735906]
  SCOPEは、リアルタイム骨格グラフを漸進的に構築する新しいフレームワークであり、Implicit Unknown Region Analysisを導入している。 最先端のグローバルプランナーに匹敵する競争力のある探索性能を達成し、計算コストを平均86.9%削減する。
  論文  参考訳（メタデータ） (2026-02-26T07:31:29Z)
• CogniEdit: Dense Gradient Flow Optimization for Fine-Grained Image Editing [88.9067184995168]
  マルチモーダル推論と高密度報酬最適化を組み合わせた統合フレームワークCogniEditを提案する。 本手法は,視覚的品質と編集可能性の保存に追従する微粒な命令のバランスをとることによって,最先端の性能を実現する。
  論文  参考訳（メタデータ） (2025-12-15T12:36:50Z)
• Closing the Train-Test Gap in World Models for Gradient-Based Planning [64.36544881136405]
  本研究では,効率的な勾配計画を可能にする世界モデルの学習方法を提案する。 テスト時には,古典的勾配のないクロスエントロピー法よりも優れた手法が提案される。
  論文  参考訳（メタデータ） (2025-12-10T18:59:45Z)
• Active Next-Best-View Optimization for Risk-Averse Path Planning [27.736895306224863]
  不確実な環境での安全なナビゲーションには、リスク回避とアクティブな知覚を統合する計画手法が必要である。 本稿では,オンライン更新された3次元ガウスプレート放射場上にテールセンシティブなリスクマップを構築することで,粗い参照経路を洗練する統一フレームワークを提案する。 これらのマップは、局所的に安全かつ実現可能な軌道の生成を可能にする。
  論文  参考訳（メタデータ） (2025-10-07T21:41:28Z)
• DELTAv2: Accelerating Dense 3D Tracking [79.63990337419514]
  本稿では,ビデオ中の高密度3次元点追跡を高速化するための新しいアルゴリズムを提案する。 極小点の小さな部分集合で追跡を開始し、トラックされた軌道の集合を段階的に拡大する粗大な戦略を導入する。 新たに追加されたトラジェクトリは学習可能なモジュールを使用しており、トラッキングネットワークとともにエンドツーエンドでトレーニングされている。
  論文  参考訳（メタデータ） (2025-08-02T03:15:47Z)
• Micro-Structures Graph-Based Point Cloud Registration for Balancing Efficiency and Accuracy [5.70403503863614]
  マイクロ構造グラフに基づくグローバルポイントクラウド登録手法を提案する。 提案手法は3DMatch と ETH のデータセットでよく機能する。
  論文  参考訳（メタデータ） (2024-10-29T08:36:23Z)
• Decentralized Federated Learning with Gradient Tracking over Time-Varying Directed Networks [42.92231921732718]
  本稿では,DSGTm-TVというコンセンサスに基づくアルゴリズムを提案する。 グラデーショントラッキングとヘビーボールモーメントを取り入れて、グローバルな目的関数を最適化する。 DSGTm-TVでは、エージェントは近隣エージェントとの情報交換を用いて局所モデルパラメータと勾配推定を更新する。
  論文  参考訳（メタデータ） (2024-09-25T06:23:16Z)
• OPUS: Occupancy Prediction Using a Sparse Set [64.60854562502523]
  学習可能なクエリの集合を用いて、占有された場所とクラスを同時に予測するフレームワークを提案する。 OPUSには、モデルパフォーマンスを高めるための非自明な戦略が組み込まれている。 最も軽量なモデルではOcc3D-nuScenesデータセットの2倍 FPS に優れたRayIoUが得られる一方、最も重いモデルは6.1 RayIoUを上回ります。
  論文  参考訳（メタデータ） (2024-09-14T07:44:22Z)
• Optimal Propagation for Graph Neural Networks [51.08426265813481]
  最適グラフ構造を学習するための二段階最適化手法を提案する。 また、時間的複雑さをさらに軽減するために、低ランク近似モデルについても検討する。
  論文  参考訳（メタデータ） (2022-05-06T03:37:00Z)
• Learning to Optimize Non-Rigid Tracking [54.94145312763044]
  我々は、堅牢性を改善し、解法収束を高速化するために学習可能な最適化を採用する。 まず、CNNを通じてエンドツーエンドに学習された深い特徴にアライメントデータ項を統合することにより、追跡対象をアップグレードする。 次に,プレコンディショニング手法と学習手法のギャップを,プレコンディショナを生成するためにトレーニングされたConditionNetを導入することで埋める。
  論文  参考訳（メタデータ） (2020-03-27T04:40:57Z)

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。