論文の概要: Schur-MI: Fast Mutual Information for Robotic Information Gathering

• arxiv url: http://arxiv.org/abs/2602.12346v1
• Date: Thu, 12 Feb 2026 19:08:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 08:17:41.413267
• Title: Schur-MI: Fast Mutual Information for Robotic Information Gathering
• Title（参考訳）: Schur-MI:ロボット情報収集のための高速な相互情報
• Authors: Kalvik Jakkala, Jason O'Kane, Srinivas Akella,
• Abstract要約: 相互情報収集(Mi)は、ロボット情報収集(RIG)の原則であり、広く使われている。 この手紙は、RIGの反復構造を利用して、計画段階を越えて高価な中間量の前処理と再利用を行うガウス過程(GP)MIであるSchur-MIを提示する。 実世界の浴量測定データセットの実験では、Schur-MIは標準MIよりも最大12.7倍のスピードアップを達成した。
• 参考スコア（独自算出の注目度）: 6.117371161379208
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Mutual information (MI) is a principled and widely used objective for robotic information gathering (RIG), providing strong theoretical guarantees for sensor placement (SP) and informative path planning (IPP). However, its high computational cost, dominated by repeated log-determinant evaluations, has limited its use in real-time planning. This letter presents Schur-MI, a Gaussian process (GP) MI formulation that (i) leverages the iterative structure of RIG to precompute and reuse expensive intermediate quantities across planning steps, and (ii) uses a Schur-complement factorization to avoid large determinant computations. Together, these methods reduce the per-evaluation cost of MI from $\mathcal{O}(|\mathcal{V}|^3)$ to $\mathcal{O}(|\mathcal{A}|^3)$, where $\mathcal{V}$ and $\mathcal{A}$ denote the candidate and selected sensing locations, respectively. Experiments on real-world bathymetry datasets show that Schur-MI achieves up to a $12.7\times$ speedup over the standard MI formulation. Field trials with an autonomous surface vehicle (ASV) performing adaptive IPP further validate its practicality. By making MI computation tractable for online planning, Schur-MI helps bridge the gap between information-theoretic objectives and real-time robotic exploration.
• Abstract（参考訳）: 相互情報(MI)は、ロボット情報収集(RIG)の原則として広く用いられている目的であり、センサー配置(SP)と情報経路計画(IPP)の強力な理論的保証を提供する。 しかし、その高い計算コストは、繰り返し行われる対数決定的評価に支配され、リアルタイム計画における使用を制限している。 この手紙は、ガウス過程 (GP) MI の定式化である Schur-MI を提示する。 一)RIGの反復構造を利用して、計画段階をまたいだ高価な中間量の事前計算及び再利用を行い、 (ii) 大規模な行列式計算を避けるためにシュル補因子分解を用いる。 これらの手法は、MI を $\mathcal{O}(|\mathcal{V}|^3)$ から $\mathcal{O}(|\mathcal{A}|^3)$ に還元する。 実世界の浴量測定データセットの実験では、Schur-MIは標準MIよりも12.7\times$のスピードアップを達成している。 自動表面車両(ASV)による適応IPPのフィールド試験は、その実用性をさらに検証する。 オンライン計画のためのMI計算を可能にすることで、Schur-MIは情報理論の目的とリアルタイムロボット探査のギャップを埋める手助けをする。

関連論文リスト

• Truncating Trajectories in Monte Carlo Policy Evaluation: an Adaptive Approach [51.76826149868971]
  モンテカルロシミュレーションによる政策評価は多くのMC強化学習(RL)アルゴリズムの中核にある。 本研究では,異なる長さの軌跡を用いた回帰推定器の平均二乗誤差のサロゲートとして品質指標を提案する。 本稿では,Robust and Iterative Data Collection Strategy Optimization (RIDO) という適応アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-10-17T11:47:56Z)
• A Training Data Recipe to Accelerate A* Search with Language Models [3.037409201025504]
  A*のような検索アルゴリズムを備えた大規模言語モデル(LLM)は、拡張された推論とスケーラブルな推論の約束を持っている。 我々は,A*探索アルゴリズムの要件を LLM の要件から実験的に切り離して,この課題を一般化する。 提案手法は,解を見つけるのに要する反復回数を最大15倍に削減し,壁面通過速度を最大5倍に向上させる。
  論文  参考訳（メタデータ） (2024-07-13T19:21:44Z)
• Sample-efficient Learning of Infinite-horizon Average-reward MDPs with General Function Approximation [53.17668583030862]
  一般関数近似の文脈において,無限水平平均逆マルコフ決定過程(AMDP)について検討する。 最適化最適化(LOOP)と呼ばれる新しいアルゴリズムフレームワークを提案する。 我々は LOOP がサブ線形 $tildemathcalO(mathrmpoly(d, mathrmsp(V*)) sqrtTbeta )$ regret を達成することを示す。
  論文  参考訳（メタデータ） (2024-04-19T06:24:22Z)
• Minimally Supervised Learning using Topological Projections in Self-Organizing Maps [55.31182147885694]
  自己組織化マップ(SOM)におけるトポロジカルプロジェクションに基づく半教師付き学習手法を提案する。 提案手法は,まずラベル付きデータ上でSOMを訓練し,最小限のラベル付きデータポイントをキーベストマッチングユニット(BMU)に割り当てる。 提案した最小教師付きモデルが従来の回帰手法を大幅に上回ることを示す。
  論文  参考訳（メタデータ） (2024-01-12T22:51:48Z)
• Intelligent Trajectory Design for RIS-NOMA aided Multi-robot Communications [59.34642007625687]
  目的は,ロボットの軌道とNOMA復号命令を協調的に最適化することで,マルチロボットシステムにおける全軌道の総和率を最大化することである。 ARIMAモデルとDouble Deep Q-network (D$3$QN)アルゴリズムを組み合わせたML方式を提案する。
  論文  参考訳（メタデータ） (2022-05-03T17:14:47Z)
• Adaptive Local Kernels Formulation of Mutual Information with Application to Active Post-Seismic Building Damage Inference [1.066048003460524]
  地震後の建築物の地域被害評価は高価な作業である。 相互情報の情報理論尺度は,サンプルの有効性を評価する上で最も有効な基準の一つである。 計算コストを削減するためにローカルカーネル戦略が提案されたが、観測されたラベルへのカーネルの適応性は考慮されなかった。 本稿では,観測された出力データに対するカーネルの適合性を実現するための適応型ローカルカーネル手法を開発した。
  論文  参考訳（メタデータ） (2021-05-24T18:34:46Z)
• The Value of Planning for Infinite-Horizon Model Predictive Control [0.0]
  現代のプランナーが使用する中間データ構造を近似値関数として解釈する方法を示す。 この値関数はMPCによって直接使用できることを示し、実行時により効率的で回復力のある振る舞いをもたらす。
  論文  参考訳（メタデータ） (2021-04-07T02:21:55Z)
• Coded Stochastic ADMM for Decentralized Consensus Optimization with Edge Computing [113.52575069030192]
  セキュリティ要件の高いアプリケーションを含むビッグデータは、モバイルデバイスやドローン、車両など、複数の異種デバイスに収集され、格納されることが多い。 通信コストとセキュリティ要件の制限のため、核融合センターにデータを集約するのではなく、分散的に情報を抽出することが最重要となる。 分散エッジノードを介してデータを局所的に処理するマルチエージェントシステムにおいて,モデルパラメータを学習する問題を考える。 分散学習モデルを開発するために,乗算器アルゴリズムの最小バッチ交互方向法(ADMM)のクラスについて検討した。
  論文  参考訳（メタデータ） (2020-10-02T10:41:59Z)

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。