論文の概要: Topological Motion Planning Diffusion: Generative Tangle-Free Path Planning for Tethered Robots in Obstacle-Rich Environments

• arxiv url: http://arxiv.org/abs/2603.26696v1
• Date: Mon, 16 Mar 2026 15:35:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-06 02:36:13.084752
• Title: Topological Motion Planning Diffusion: Generative Tangle-Free Path Planning for Tethered Robots in Obstacle-Rich Environments
• Title（参考訳）: トポロジカル・モーション・プランニング・ディフュージョン:障害物・リッチ環境におけるテザーロボットのタングルフリー・パス・プランニング
• Authors: Yifu Tian, Xinhang Xu, Thien-Minh Nguyen, Muqing Cao,
• Abstract要約: トポロジカル・モビリティ・プランニング・ディフュージョン(TMPD)は、生涯記憶を統合した新しい生成的計画フレームワークである。 TMPDは従来のトポロジカルサーチと純粋にキネマティック拡散ベースラインを上回り、100%の衝突のないリーチと97.0%のタングルフリーレートを達成する。
• 参考スコア（独自算出の注目度）: 3.778041910428629
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In extreme environments such as underwater exploration and post-disaster rescue, tethered robots require continuous navigation while avoiding cable entanglement. Traditional planners struggle in these lifelong planning scenarios due to topological unawareness, while topology-augmented graph-search methods face computational bottlenecks in obstacle-rich environments where the number of candidate topological classes increases. To address these challenges, we propose Topological Motion Planning Diffusion (TMPD), a novel generative planning framework that integrates lifelong topological memory. Instead of relying on sequential graph search, TMPD leverages a diffusion model to propose a multimodal front-end of kinematically feasible trajectory candidates across various homotopy classes. A tether-aware topological back-end then filters and optimizes these candidates by computing generalized winding numbers to evaluate their topological energy against the accumulated tether configuration. Benchmarking in obstacle-rich simulated environments demonstrates that TMPD achieves a collision-free reach of 100% and a tangle-free rate of 97.0%, outperforming traditional topological search and purely kinematic diffusion baselines in both geometric smoothness and computational efficiency. Simulation with realistic cable dynamics further validates the practicality of the proposed approach.
• Abstract（参考訳）: 水中探査や災害後の救助のような極端な環境では、テザリングされたロボットはケーブルの絡みを避けながら連続的な航行を必要とする。 従来のプランナーは、トポロジ的無意識のため、これらの生涯計画シナリオに苦慮し、トポロジ的グラフ探索法は、候補トポロジ的クラスが増加する障害物の多い環境で計算ボトルネックに直面している。 これらの課題に対処するために,生涯的トポロジカルメモリを統合した新しい生成計画フレームワークであるトポロジカル・モーション・プランニング・ディフュージョン(TMPD)を提案する。 逐次グラフ探索に頼る代わりに、TMPDは拡散モデルを利用して、様々なホモトピークラスにまたがる運動的に実現可能な軌道候補のマルチモーダルフロントエンドを提案する。 テザ対応トポロジカルバックエンドは、それらの候補を一般化された巻数計算によってフィルタリングし最適化し、それらのトポロジカルエネルギーを蓄積されたテザ構成に対して評価する。 障害物に富んだシミュレーション環境でのベンチマークは、TMPDが100%の衝突のない到達率と97.0%のタングルのない速度を達成し、従来のトポロジカルサーチと純粋にキネマティックな拡散ベースラインを幾何学的滑らかさと計算効率の両方で上回ることを示した。 現実的なケーブル力学によるシミュレーションは,提案手法の実用性をさらに検証する。

関連論文リスト

• Hierarchical Multi-Modal Planning for Fixed-Altitude Sparse Target Search and Sampling [8.90200464018944]
  HIMoSはサンゴの探索とサンプルの分離のための固定高度フレームワークである。 システムは、異質なセンサースイートを2層計画アーキテクチャに統合する。
  論文  参考訳（メタデータ） (2026-03-09T12:53:04Z)
• Topological Social Choice: Designing a Noise-Robust Polar Distance for Persistence Diagrams [0.0]
  トポロジカルデータ分析(TDA)は、ノイズの多いデータから堅牢で解釈可能な特徴を抽出する強力なフレームワークとして登場した。 この研究は、ノイズの多い嗜好データに適した永続化ダイアグラムのための新しいメートル法を提案することによって、これらの領域間の新しい概念ブリッジを導入する。 我々は、位相的特徴の大きさと向きを滑らかで微分可能な方法で捉える極座標に基づく距離を定義する。
  論文  参考訳（メタデータ） (2025-07-18T19:41:19Z)
• Simultaneous Multi-Robot Motion Planning with Projected Diffusion Models [57.45019514036948]
  MRMP拡散(MRMP Diffusion, SMD)は, 制約付き最適化を拡散サンプリングプロセスに統合し, 衝突のない, キネマティックに実現可能な軌道を生成する新しい手法である。 本稿では, ロボット密度, 障害物の複雑度, 動作制約の異なるシナリオ間の軌道計画アルゴリズムを評価するための総合的MRMPベンチマークを提案する。
  論文  参考訳（メタデータ） (2025-02-05T20:51:28Z)
• Multi-Agent Path Finding in Continuous Spaces with Projected Diffusion Models [57.45019514036948]
  MAPF(Multi-Agent Path Finding)は、ロボット工学における基本的な問題である。 連続空間におけるMAPFの拡散モデルと制約付き最適化を統合する新しい手法を提案する。
  論文  参考訳（メタデータ） (2024-12-23T21:27:19Z)
• A Meta-Engine Framework for Interleaved Task and Motion Planning using Topological Refinements [51.54559117314768]
  タスク・アンド・モーション・プランニング(タスク・アンド・モーション・プランニング、TAMP)は、自動化された計画問題の解決策を見つけるための問題である。 本稿では,TAMP問題のモデル化とベンチマークを行うための,汎用的でオープンソースのフレームワークを提案する。 移動エージェントと複数のタスク状態依存障害を含むTAMP問題を解決する革新的なメタ技術を導入する。
  論文  参考訳（メタデータ） (2024-08-11T14:57:57Z)
• Physics-guided Active Sample Reweighting for Urban Flow Prediction [75.24539704456791]
  都市フロー予測は、バス、タクシー、ライド駆動モデルといった交通サービスのスループットを見積もる、微妙な時間的モデリングである。 最近の予測解は、物理学誘導機械学習(PGML)の概念による改善をもたらす。 我々は、PN(atized Physics-guided Network)を開発し、P-GASR(Physical-guided Active Sample Reweighting)を提案する。
  論文  参考訳（メタデータ） (2024-07-18T15:44:23Z)
• Outlier-Robust Long-Term Robotic Mapping Leveraging Ground Segmentation [1.7948767405202701]
  箱から出られる堅牢な長期ロボットマッピングシステムを提案する。 i) 外れ値の存在を否定する高速で頑健な接地分割を提案する。 粗悪なアウトリールの存在を包含する地盤セグメンテーションによるロバストな登録を提案する。
  論文  参考訳（メタデータ） (2024-05-18T04:56:15Z)

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。