論文の概要: GenMRP: A Generative Multi-Route Planning Framework for Efficient and Personalized Real-Time Industrial Navigation

• arxiv url: http://arxiv.org/abs/2602.04174v1
• Date: Wed, 04 Feb 2026 03:21:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-05 19:45:11.354923
• Title: GenMRP: A Generative Multi-Route Planning Framework for Efficient and Personalized Real-Time Industrial Navigation
• Title（参考訳）: GenMRP: 効率的でパーソナライズされたリアルタイム産業用ナビゲーションのための多経路計画フレームワーク
• Authors: Chengzhang Wang, Chao Chen, Jun Tao, Tengfei Liu, He Bai, Song Wang, Longfei Xu, Kaikui Liu, Xiangxiang Chu,
• Abstract要約: マルチルート計画のための生成フレームワークであるGenMRPを提案する。 我々は,GenMRPがオフライン環境とオンライン環境の両方で高い効率で最先端の性能を達成することを示す。 GenMRPは現実世界のナビゲーションアプリに完全にデプロイされており、その効果とメリットを実証している。
• 参考スコア（独自算出の注目度）: 25.910561524153167
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Existing industrial-scale navigation applications contend with massive road networks, typically employing two main categories of approaches for route planning. The first relies on precomputed road costs for optimal routing and heuristic algorithms for generating alternatives, while the second, generative methods, has recently gained significant attention. However, the former struggles with personalization and route diversity, while the latter fails to meet the efficiency requirements of large-scale real-time scenarios. To address these limitations, we propose GenMRP, a generative framework for multi-route planning. To ensure generation efficiency, GenMRP first introduces a skeleton-to-capillary approach that dynamically constructs a relevant sub-network significantly smaller than the full road network. Within this sub-network, routes are generated iteratively. The first iteration identifies the optimal route, while the subsequent ones generate alternatives that balance quality and diversity using the newly proposed correctional boosting approach. Each iteration incorporates road features, user historical sequences, and previously generated routes into a Link Cost Model to update road costs, followed by route generation using the Dijkstra algorithm. Extensive experiments show that GenMRP achieves state-of-the-art performance with high efficiency in both offline and online environments. To facilitate further research, we have publicly released the training and evaluation dataset. GenMRP has been fully deployed in a real-world navigation app, demonstrating its effectiveness and benefits.
• Abstract（参考訳）: 既存の産業規模のナビゲーションアプリケーションは大規模な道路網と競合し、通常はルート計画に2つの主要なカテゴリのアプローチを採用する。 1つは最適経路とヒューリスティックアルゴリズムを生成するための事前計算された道路コストに依存し、もう1つは生成法であり、最近注目されている。 しかし、前者はパーソナライズと経路の多様性に苦しむ一方で、後者は大規模リアルタイムシナリオの効率要件を満たしていない。 これらの制約に対処するため,マルチルート計画のための生成フレームワークであるGenMRPを提案する。 生成効率を確保するため、GenMRPはまず、関連するサブネットワークをフルロードネットワークよりもはるかに小さく動的に構築するスケルトン対キャピラリーアプローチを導入する。 このサブネットワーク内では、ルートは反復的に生成される。 最初のイテレーションでは最適な経路が特定され、続くイテレーションでは、新たに提案された補正ブースティングアプローチを使用して、品質と多様性のバランスをとる代替手段が生成される。 各イテレーションは、道路の特徴、ユーザ履歴シーケンス、および以前に生成されたルートをリンクコストモデルに組み込んで、道路コストを更新し、続いてDijkstraアルゴリズムを使用したルート生成を行う。 大規模な実験により、GenMRPはオフライン環境とオンライン環境の両方で高い効率で最先端のパフォーマンスを達成することが示された。 さらなる研究を容易にするため、トレーニングおよび評価データセットを公開しました。 GenMRPは現実世界のナビゲーションアプリに完全にデプロイされており、その効果とメリットを実証している。

関連論文リスト

• Beyond Shortest Path: Agentic Vehicular Routing with Semantic Context [0.3767731868757604]
  本稿では,従来のパスフィニングアルゴリズムを文脈推論で拡張するハイブリッドエージェントアシスタントであるPAVeを紹介し,評価する。 現実的な都市シナリオのベンチマークでは、PAVeは複雑なユーザインテントを使って適切なルート修正に成功した。 従来のルーティングアルゴリズムとLLMに基づくセマンティック推論層を組み合わせることは、都市移動最適化のためのパーソナライズされた適応的でスケーラブルなソリューションを作成するための堅牢で効果的なアプローチである、と結論付けている。
  論文  参考訳（メタデータ） (2025-11-06T15:37:11Z)
• Accelerating Vehicle Routing via AI-Initialized Genetic Algorithms [53.75036695728983]
  車両ルーティング問題 (VRP) は進化的最適化における基本的なNPハード問題である。 本稿では、強化学習エージェントを事前のインスタンスで訓練し、初期解を迅速に生成する最適化フレームワークを提案する。 このフレームワークは、様々な時間予算において、現在の最先端のソルバよりも一貫して優れています。
  論文  参考訳（メタデータ） (2025-04-08T15:21:01Z)
• 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)
• DynamicRouteGPT: A Real-Time Multi-Vehicle Dynamic Navigation Framework Based on Large Language Models [13.33340860174857]
  複雑な交通環境におけるリアルタイムな動的経路計画は、交通量の変化や信号待ち時間といった課題を提示する。 DijkstraやA*のような従来の静的ルーティングアルゴリズムは最短経路を計算するが、しばしば動的条件下で失敗する。 本稿では,実時間動的経路計画のための因果推論に基づく新しい手法を提案する。
  論文  参考訳（メタデータ） (2024-08-26T11:19:58Z)
• Continuous Trajectory Generation Based on Two-Stage GAN [50.55181727145379]
  本稿では,道路網上の連続軌道を生成するために,新たな2段階生成対向フレームワークを提案する。 具体的には、A*アルゴリズムの人間の移動性仮説に基づいてジェネレータを構築し、人間の移動性について学習する。 判別器では, 逐次報酬と移動ヤウ報酬を組み合わせることで, 発電機の有効性を高める。
  論文  参考訳（メタデータ） (2023-01-16T09:54:02Z)
• Predicting Drivers' Route Trajectories in Last-Mile Delivery Using A Pair-wise Attention-based Pointer Neural Network [7.595170785628867]
  最終マイルの配達では、道路や縁石のインフラについて暗黙の知識があるため、ドライバーは計画されたルートから逸脱する。 人間のドライバーが従うような実際の停止シーケンスを予測することは、ラストマイル配送におけるルート計画を改善するのに役立つ。 本稿では、ドライバーの過去の配送軌跡データを用いて、この予測タスクのためのペアワイズアテンションに基づくポインターニューラルネットワークを提案する。
  論文  参考訳（メタデータ） (2023-01-10T06:11:20Z)
• Ranking Cost: Building An Efficient and Scalable Circuit Routing Planner with Evolution-Based Optimization [49.207538634692916]
  そこで我々は、効率よくトレーニング可能なルータを形成するための新しい回路ルーティングアルゴリズム、Randing Costを提案する。 提案手法では,A*ルータが適切な経路を見つけるのに役立つコストマップと呼ばれる新しい変数群を導入する。 我々のアルゴリズムはエンドツーエンドで訓練されており、人工データや人間の実演は一切使用しない。
  論文  参考訳（メタデータ） (2021-10-08T07:22:45Z)
• DeepAltTrip: Top-k Alternative Itineraries for Trip Recommendation [4.727697892741763]
  本稿では,DeepAltTripというディープラーニングベースのフレームワークを提案する。 経路生成のステップでは,多様なユーザ定義制約をシームレスに処理できる新しいサンプリングアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2021-09-08T10:36:59Z)

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。