論文の概要: LIPP: Load-Aware Informative Path Planning with Physical Sampling

• arxiv url: http://arxiv.org/abs/2603.06924v1
• Date: Fri, 06 Mar 2026 22:52:24 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 08:17:42.022568
• Title: LIPP: Load-Aware Informative Path Planning with Physical Sampling
• Title（参考訳）: LIPP:物理サンプリングによる負荷対応インフォーマティブパス計画
• Authors: Hojune Kim, Guangyao Shi, Gaurav S. Sukhatme,
• Abstract要約: 本稿では,ロード・アウェア・インフォーマティブ・パス・プランニング(LIPP)を紹介する。 LIPPはインフォーマティブパス計画(C-IPP)の一般化である LIPPはC-IPPを厳格に一般化し,特にC-IPPを回復することを示す。
• 参考スコア（独自算出の注目度）: 17.50841481112841
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In classical Informative Path Planning (C-IPP), robots are typically modeled as mobile sensors that acquire digital measurements such as images or radiation levels. In this model - since making a measurement leaves the robot's physical state unchanged - traversal costs are determined solely by the path taken. This is a natural assumption for many missions, but does not extend to settings involving physical sample collection, where each collected sample adds mass and increases the energy cost of all subsequent motion. As a result, IPP formulations that ignore this coupling between information gain and load-dependent traversal cost can produce plans that are distance-efficient but energy-suboptimal, collecting fewer samples and less data than the energy budget would permit. In this paper, we introduce Load-aware Informative Path Planning (LIPP ), a generalization of C-IPP that explicitly models this coupling and the resulting order-dependent traversal costs. We formulate LIPP as a Mixed-Integer Quadratic Program (MIQP) that jointly optimizes routing, visitation order, and per-location sampling count under an energy budget. We show that LIPP strictly generalizes C-IPP: as sample unit mass $λ\to 0$, the load-dependent energy model reduces exactly to the classical distance budget constraint, recovering C-IPP as a special case. We further derive theoretical bounds on the path-length increase of LIPP relative to C-IPP, characterizing the trade-off for improved energy efficiency. Finally, through extensive simulations across 2000 diverse mission scenarios, we demonstrate that LIPP matches the behavior of C-IPP at zero sample mass and progressively achieves higher uncertainty reduction per unit energy as sample mass increases.
• Abstract（参考訳）: 古典的情報伝達経路計画(C-IPP)では、ロボットは通常、画像や放射線レベルなどのデジタル測定を取得する移動体センサーとしてモデル化される。 このモデルでは、測定を行うことによってロボットの物理的状態が変化しないため、トラバースコストは、取るべき経路によってのみ決定される。 これは多くのミッションにおいて自然な仮定であるが、各サンプルが質量を増量し、その後の全ての動きのエネルギーコストを増大させる物理的サンプル収集を含む設定には拡張されない。 結果として、情報ゲインと負荷依存トラバースコストのこの結合を無視したIPPの定式化は、距離効率が良いがエネルギーに最適化された計画を作成し、エネルギー予算が許すよりも少ないサンプルと少ないデータを集めることができる。 本稿では、この結合と結果の順序依存トラバースコストを明示的にモデル化したC-IPPの一般化であるロード・アウェア・インフォーマティブ・パス・プランニング(LIPP)を紹介する。 LIPPをMIQP(Mixed-Integer Quadratic Program)として定式化し、エネルギー予算の下でルーティング、訪問順、位置ごとのサンプリング数を最適化する。 LIPP は C-IPP を厳密に一般化することを示す: サンプル単位の質量 $λ\to 0$ として、負荷依存エネルギーモデルは古典的な距離予算制約に正確に還元され、特別なケースとして C-IPP を回復する。 さらに,C-IPPに対するLIPPの経路長増加に関する理論的境界を導出し,エネルギー効率の向上のためのトレードオフを特徴付ける。 最後に、2000の多様なミッションシナリオにわたる広範囲なシミュレーションを通じて、LIPPがサンプル質量ゼロでのC-IPPの挙動と一致し、サンプル質量の増加に伴って単位エネルギーあたりの不確実性低減が徐々に達成されることを示した。

関連論文リスト

• Understanding Efficiency: Quantization, Batching, and Serving Strategies in LLM Energy Use [4.513690948889834]
  大規模言語モデル(LLM)はますます本番環境に配備され、計算資源やエネルギー需要の負担をトレーニングから推論へとシフトさせるのに寄与している。 我々は,同じモデルにおけるエネルギー消費のオーダー・オブ・マグニチュードの違いを,Emphsystemレベルの設計選択がいかに引き起こすかを示す。 我々の発見は、よりグリーンなAIサービスのための位相認識エネルギープロファイリングとシステムレベルの最適化を動機付けている。
  論文  参考訳（メタデータ） (2026-01-29T22:16:25Z)
• Techno-economic optimization of a heat-pipe microreactor, part I: theory and cost optimization [0.0]
  マイクロリアクターは、高価な燃料が支配的な遠隔地へのアクセスに適している。 彼らは規模の不一致に悩まされ、その財政的生存性はいまだに説得力のないままである。 本稿では,テクノ・経済学的考察を考慮に入れた新しい幾何学的設計最適化手法を提案する。
  論文  参考訳（メタデータ） (2025-12-17T23:28:13Z)
• Optimal Computation from Fluctuation Responses [0.0]
  鍵となる疑問は、熱力学的コストを最小限に抑えながら正しい結果を得るプロトコルをどうやって設計するかである。 本研究では、変動応答関係(FRR)と機械学習を用いて最適なプロトコルを識別する統合フレームワークを開発する。 物理情報処理システムにおける熱力学的に効率的なプロトコルを設計するための原則的戦略を提供する。
  論文  参考訳（メタデータ） (2025-10-04T18:49:00Z)
• EconProver: Towards More Economical Test-Time Scaling for Automated Theorem Proving [64.15371139980802]
  大規模言語モデル(LLM)は、最近、自動定理証明(ATP)の分野を進歩させた。 ATPモデルに対する異なるテスト時間スケーリング戦略は、推論にかなりの計算オーバーヘッドをもたらすことを示す。 本稿では,統一EconRLパイプラインに統合可能な2つの補完手法を提案する。
  論文  参考訳（メタデータ） (2025-09-16T03:00:13Z)
• Power Hungry Processing: Watts Driving the Cost of AI Deployment? [74.19749699665216]
  生成された多目的AIシステムは、機械学習(ML)モデルをテクノロジに構築するための統一的なアプローチを約束する。 この「一般性」の野心は、これらのシステムが必要とするエネルギー量と放出する炭素量を考えると、環境に急激なコストがかかる。 これらのモデルを用いて,代表的なベンチマークデータセット上で1,000の推論を行うのに必要なエネルギーと炭素の量として,デプロイメントコストを測定した。 本稿は、多目的MLシステムの展開動向に関する議論から締めくくり、エネルギーと排出の面でコストの増大に対して、その実用性はより意図的に重み付けされるべきである、と警告する。
  論文  参考訳（メタデータ） (2023-11-28T15:09:36Z)
• Incremental Profit per Conversion: a Response Transformation for Uplift Modeling in E-Commerce Promotions [1.7640556247739623]
  本稿では,購入時にのみ費用が発生する応答依存コストによるプロモーションに焦点を当てた。 既存のアップリフトモデルアプローチでは、メタラーナーのような複数のモデルをトレーニングする必要がしばしばあります。 本稿では, ユニット・エコノミクスにおける促進キャンペーンの効率を向上する新たな指標であるIncrmental Profit per Conversion(IPC)を紹介する。
  論文  参考訳（メタデータ） (2023-06-23T19:46:02Z)
• Sequential Information Design: Markov Persuasion Process and Its Efficient Reinforcement Learning [156.5667417159582]
  本稿では,逐次情報設計の新たなモデル,すなわちマルコフ説得過程(MPP)を提案する。 MPPのプランニングは、ミオピックレシーバーに同時に説得されるシグナルポリシーを見つけ、送信者の最適な長期累積ユーティリティを誘導する、というユニークな課題に直面している。 我々は,楽観主義と悲観主義の両原理の新たな組み合わせを特徴とする,実証可能な効率のよい非回帰学習アルゴリズム,Optimism-Pessimism Principle for Persuasion Process (OP4) を設計する。
  論文  参考訳（メタデータ） (2022-02-22T05:41:43Z)
• Exploiting Submodular Value Functions For Scaling Up Active Perception [60.81276437097671]
  アクティブな知覚タスクでは、エージェントは1つ以上の隠れ変数の不確実性を減少させる感覚行動を選択することを目的としている。 部分的に観測可能なマルコフ決定過程(POMDP)は、そのような問題に対する自然なモデルを提供する。 エージェントが利用できるセンサーの数が増えるにつれて、POMDP計画の計算コストは指数関数的に増加する。
  論文  参考訳（メタデータ） (2020-09-21T09:11:36Z)
• Targeted free energy estimation via learned mappings [66.20146549150475]
  自由エネルギー摂動 (FEP) は60年以上前にズワンツィヒによって自由エネルギー差を推定する方法として提案された。 FEPは、分布間の十分な重複の必要性という厳しい制限に悩まされている。 目標自由エネルギー摂動(Targeted Free Energy Perturbation)と呼ばれるこの問題を緩和するための1つの戦略は、オーバーラップを増やすために構成空間の高次元マッピングを使用する。
  論文  参考訳（メタデータ） (2020-02-12T11:10:00Z)

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。