論文の概要: Parallel OctoMapping: A Scalable Framework for Enhanced Path Planning in Autonomous Navigation

• arxiv url: http://arxiv.org/abs/2603.22508v1
• Date: Mon, 23 Mar 2026 19:14:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-25 19:53:37.161275
• Title: Parallel OctoMapping: A Scalable Framework for Enhanced Path Planning in Autonomous Navigation
• Title（参考訳）: Parallel OctoMapping: 自律ナビゲーションにおけるパス計画強化のためのスケーラブルなフレームワーク
• Authors: Yihui Mao, Tian Tan, Xuehui Shen, Warren E. Dixon, Rushikesh Kamalapurkar,
• Abstract要約: 我々は,利用可能な自由空間を最大化し,マルチスレッド計算をサポートする効率的なOctoMapベースのマッピング技術であるParallel OctoMapping (POMP)を紹介した。 POMPは、固定占有グリッド解像度で、地図の忠実さと既存の検索ベースプランナーとの互換性を維持しながら、自由空間の表現を洗練する最初の方法である。
• 参考スコア（独自算出の注目度）: 2.27244726900503
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Mapping is essential in robotics and autonomous systems because it provides the spatial foundation for path planning. Efficient mapping enables planning algorithms to generate reliable paths while ensuring safety and adapting in real time to complex environments. Fixed-resolution mapping methods often produce overly conservative obstacle representations that lead to suboptimal paths or planning failures in cluttered scenes. To address this issue, we introduce Parallel OctoMapping (POMP), an efficient OctoMap-based mapping technique that maximizes available free space and supports multi-threaded computation. To the best of our knowledge, POMP is the first method that, at a fixed occupancy-grid resolution, refines the representation of free space while preserving map fidelity and compatibility with existing search-based planners. It can therefore be integrated into existing planning pipelines, yielding higher pathfinding success rates and shorter path lengths, especially in cluttered environments, while substantially improving computational efficiency.
• Abstract（参考訳）: ロボット工学や自律システムでは、経路計画のための空間的基盤を提供するため、マッピングが不可欠である。 効率的なマッピングにより、計画アルゴリズムは信頼性の高いパスを生成でき、安全性を確保し、複雑な環境にリアルタイムで適応できる。 固定解像度マッピング法は、しばしば、過度に保守的な障害物表現を生成し、不規則な場面で最適な経路や計画上の失敗につながる。 この問題を解決するためにParallel OctoMapping(POMP)という,利用可能な自由空間を最大化し,マルチスレッド計算をサポートする効率的なOctoMapベースのマッピング技術を導入する。 我々の知る限り、POMPは、地図の忠実さと既存の検索ベースプランナーとの互換性を維持しながら、固定占有グリッド解像度で自由空間の表現を洗練する最初の方法である。 そのため、既存の計画パイプラインに統合することができ、特に散在した環境において、パスフィニングの成功率とパス長が短くなり、計算効率が大幅に向上する。

関連論文リスト

• Destination-to-Chutes Task Mapping Optimization for Multi-Robot Coordination in Robotic Sorting Systems [63.08747450107808]
  本研究では,ロボットソーティングシステムのスループット向上のために,タスクマッピングの宛先最適化について検討する。 現実世界のRSSの複雑さのため、高品質なタスクマッピングを見つけることは難しい。
  論文  参考訳（メタデータ） (2025-10-03T19:49:37Z)
• Unified Linear Parametric Map Modeling and Perception-aware Trajectory Planning for Mobile Robotics [1.7495208770207367]
  本稿では,高次元空間にデータをマッピングする軽量な線形パラメトリックマップを提案する。 UAVでは,Euclidean Signed Distance Field (ESDF) マップを用いた。 UGVでは、モデルは地形を特徴づけ、クローズドフォーム勾配を提供し、オンラインプランニングによって大きな穴を回避できる。
  論文  参考訳（メタデータ） (2025-07-12T16:39:19Z)
• Path Planning using a One-shot-sampling Skeleton Map [0.0]
  本稿では,処理時間内に安全な経路を見つけるための効率的な経路計画手法を提案する。 この手法は、U-Netアーキテクチャに基づくDeep Denoising Auto-Encoderを利用して、ナビゲーションマップのスケルトン化されたバージョンを計算する。 SkelUnetネットワークは、ワンショットサンプリングによるワークスペース全体の探索を容易にする。
  論文  参考訳（メタデータ） (2025-07-03T05:38:26Z)
• 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)
• NavTopo: Leveraging Topological Maps For Autonomous Navigation Of a Mobile Robot [1.0550841723235613]
  トポロジマップと2段階の経路計画に基づく完全なナビゲーションパイプラインを提案する。 パイプラインは、入力ポイントクラウドのニューラルネットワーク記述子と2Dプロジェクションをマッチングすることで、グラフにローカライズする。 提案手法は,大規模な室内光相対論的シミュレーション環境でテストし,一般的な計量マッピング手法であるRTAB-MAPに基づく計量地図に基づく手法と比較する。
  論文  参考訳（メタデータ） (2024-10-15T10:54:49Z)
• LLM-A*: Large Language Model Enhanced Incremental Heuristic Search on Path Planning [91.95362946266577]
  経路計画はロボット工学と自律航法における基本的な科学的問題である。 A*やその変種のような伝統的なアルゴリズムは、パスの妥当性を保証することができるが、状態空間が大きくなるにつれて、計算とメモリの非効率が著しく低下する。 本稿では, A* の正確なパスフィニング能力と LLM のグローバルな推論能力とを相乗的に組み合わせた LLM ベースの経路計画法を提案する。 このハイブリッドアプローチは、特に大規模シナリオにおいて、パス妥当性の完全性を維持しながら、時間と空間の複雑さの観点からパスフィニング効率を向上させることを目的としている。
  論文  参考訳（メタデータ） (2024-06-20T01:24:30Z)
• Differentiable Spatial Planning using Transformers [87.90709874369192]
  本研究では、長距離空間依存を計画して行動を生成する障害マップを与えられた空間計画変換器(SPT)を提案する。 エージェントが地上の真理マップを知らない環境では、エンド・ツー・エンドのフレームワークで事前訓練されたSPTを利用する。 SPTは、操作タスクとナビゲーションタスクの両方のすべてのセットアップにおいて、最先端の差別化可能なプランナーよりも優れています。
  論文  参考訳（メタデータ） (2021-12-02T06:48:16Z)
• Learning Space Partitions for Path Planning [54.475949279050596]
  PlaLaMは2次元ナビゲーションタスクにおける既存の経路計画手法よりも優れており、特に難解な局所最適化の存在下では優れている。 これらは高マルチモーダルな実世界のタスクに移行し、コンパイラフェーズでは最大245%、分子設計では最大0.4の強いベースラインを0-1スケールで上回ります。
  論文  参考訳（メタデータ） (2021-06-19T18:06:11Z)

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。