論文の概要: Efficient Hierarchical Any-Angle Path Planning on Multi-Resolution 3D Grids

• arxiv url: http://arxiv.org/abs/2602.21174v1
• Date: Tue, 24 Feb 2026 18:18:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-25 17:34:53.878943
• Title: Efficient Hierarchical Any-Angle Path Planning on Multi-Resolution 3D Grids
• Title（参考訳）: マルチリゾリューション3次元グリッド上での効率的な階層的非角度経路計画
• Authors: Victor Reijgwart, Cesar Cadena, Roland Siegwart, Lionel Ott,
• Abstract要約: 本稿では,計算的トラクタビリティ問題を克服しつつ,任意の角度プランナの最適性と完全性を有する手法を提案する。 実環境および合成環境における実験は、提案手法のソリューションの品質と速度を実証する。 このフレームワークはオープンソースで、ロボティクスとプランニングのコミュニティが私たちの研究の上に構築できる。
• 参考スコア（独自算出の注目度）: 21.75404161469649
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Hierarchical, multi-resolution volumetric mapping approaches are widely used to represent large and complex environments as they can efficiently capture their occupancy and connectivity information. Yet widely used path planning methods such as sampling and trajectory optimization do not exploit this explicit connectivity information, and search-based methods such as A* suffer from scalability issues in large-scale high-resolution maps. In many applications, Euclidean shortest paths form the underpinning of the navigation system. For such applications, any-angle planning methods, which find optimal paths by connecting corners of obstacles with straight-line segments, provide a simple and efficient solution. In this paper, we present a method that has the optimality and completeness properties of any-angle planners while overcoming computational tractability issues common to search-based methods by exploiting multi-resolution representations. Extensive experiments on real and synthetic environments demonstrate the proposed approach's solution quality and speed, outperforming even sampling-based methods. The framework is open-sourced to allow the robotics and planning community to build on our research.
• Abstract（参考訳）: 階層的で多解像度のボリュームマッピングアプローチは、その占有率と接続性情報を効率的に捉えることができるため、大規模で複雑な環境を表現するために広く用いられている。 しかし、サンプリングや軌道最適化などの経路計画手法は、この明示的な接続情報を利用せず、A*のような検索ベースの手法は、大規模高解像度地図におけるスケーラビリティの問題に悩まされている。 多くの応用において、ユークリッドの最短経路はナビゲーションシステムの基盤を形成する。 そのようなアプリケーションに対して、障害物の角を直線セグメントで接続することで最適な経路を求める任意の角度計画法は、単純で効率的な解を提供する。 本稿では,マルチレゾリューション表現を利用して,探索手法に共通する計算的トラクタビリティ問題を克服しつつ,任意の角度プランナの最適性と完全性を有する手法を提案する。 実環境および合成環境に関する大規模な実験は、提案手法のソリューションの品質と速度を実証し、サンプリングベースの方法よりも優れていた。 このフレームワークはオープンソースで、ロボティクスとプランニングのコミュニティが私たちの研究の上に構築できる。

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)
• Optimizing Solution-Samplers for Combinatorial Problems: The Landscape of Policy-Gradient Methods [52.0617030129699]
  本稿では,DeepMatching NetworksとReinforcement Learningメソッドの有効性を解析するための新しい理論フレームワークを提案する。 我々の主な貢献は、Max- and Min-Cut、Max-$k$-Bipartite-Bi、Maximum-Weight-Bipartite-Bi、Traveing Salesman Problemを含む幅広い問題である。 本分析の副産物として,バニラ降下による新たな正則化プロセスを導入し,失効する段階的な問題に対処し,悪い静止点から逃れる上で有効であることを示す理論的および実験的証拠を提供する。
  論文  参考訳（メタデータ） (2023-10-08T23:39:38Z)
• Path Signatures for Diversity in Probabilistic Trajectory Optimisation [24.101232487591094]
  移動計画は、発生した軌道の関数としてコストを最小化する軌道最適化問題としてキャストすることができる。 近年のハードウェアの進歩により、複数の解が同時に得られる並列軌道最適化が可能になった。 本稿では, 並列軌道最適化のアルゴリズムを提案し, 解域の多様性を向上し, モード崩壊を回避する。
  論文  参考訳（メタデータ） (2023-08-08T06:10:53Z)
• 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)
• Let the Flows Tell: Solving Graph Combinatorial Optimization Problems with GFlowNets [86.43523688236077]
  組合せ最適化(CO)問題はしばしばNPハードであり、正確なアルゴリズムには及ばない。 GFlowNetsは、複合非正規化密度を逐次サンプリングする強力な機械として登場した。 本稿では,異なる問題に対してマルコフ決定プロセス(MDP)を設計し,条件付きGFlowNetを学習して解空間からサンプルを作成することを提案する。
  論文  参考訳（メタデータ） (2023-05-26T15:13:09Z)
• A machine learning framework for neighbor generation in metaheuristic search [4.521119623956821]
  メタヒューリスティック検索における近隣世代のための汎用機械学習フレームワークを提案する。 メタヒューリスティックな2つの応用法について検証する。
  論文  参考訳（メタデータ） (2022-12-22T01:58:04Z)
• Reinforcement Learning Methods for Wordle: A POMDP/Adaptive Control Approach [0.3093890460224435]
  我々は、新しい強化学習手法を用いて、人気のあるWordleパズルの解法に対処する。 Wordleパズルでは、比較的控えめな計算コストで最適に近いオンラインソリューション戦略が得られる。
  論文  参考訳（メタデータ） (2022-11-15T03:46:41Z)
• Sample-Efficient, Exploration-Based Policy Optimisation for Routing Problems [2.6782615615913348]
  本稿では,エントロピーに基づく新しい強化学習手法を提案する。 さらに、我々は、期待したリターンを最大化する、政治以外の強化学習手法を設計する。 我々のモデルは様々な経路問題に一般化可能であることを示す。
  論文  参考訳（メタデータ） (2022-05-31T09:51:48Z)
• Learning Proximal Operators to Discover Multiple Optima [66.98045013486794]
  非家族問題における近位演算子を学習するためのエンドツーエンド手法を提案する。 本手法は,弱い目的と穏やかな条件下では,世界規模で収束することを示す。
  論文  参考訳（メタデータ） (2022-01-28T05:53:28Z)
• 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)

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。