論文の概要: Sampling-based Task and Kinodynamic Motion Planning under Semantic Uncertainty

• arxiv url: http://arxiv.org/abs/2604.00401v1
• Date: Wed, 01 Apr 2026 02:36:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-02 16:44:31.803417
• Title: Sampling-based Task and Kinodynamic Motion Planning under Semantic Uncertainty
• Title（参考訳）: 意味的不確かさ下におけるサンプリングベースタスクと動力学的動作計画
• Abstract要約: 有限トレース上の線形時間論理をタスクとする非線形ダイナミクスを持つロボットについて検討する。 本稿では,この問題を部分的に観測可能なハイブリッドシステムとしてモデル化する方法を示す。 本稿では,意思決定手法とサンプリングベース動作計画の有効性を組み合わせたリアルタイムアルゴリズムを提案する。
• 参考スコア（独自算出の注目度）: 13.475694758352487
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper tackles the problem of integrated task and kinodynamic motion planning in uncertain environments. We consider a robot with nonlinear dynamics tasked with a Linear Temporal Logic over finite traces ($\ltlf$) specification operating in a partially observable environment. Specifically, the uncertainty is in the semantic labels of the environment. We show how the problem can be modeled as a Partially Observable Stochastic Hybrid System that captures the robot dynamics, $\ltlf$ task, and uncertainty in the environment state variables. We propose an anytime algorithm that takes advantage of the structure of the hybrid system, and combines the effectiveness of decision-making techniques and sampling-based motion planning. We prove the soundness and asymptotic optimality of the algorithm. Results show the efficacy of our algorithm in uncertain environments, and that it consistently outperforms baseline methods.
• Abstract（参考訳）: 本稿では,不確実な環境下でのタスク統合とキノダイナミックな動作計画の問題に取り組む。 本研究では,有限トレース(\ltlf$)仕様を部分的に観測可能な環境で動作させる線形時間論理を課題とする非線形ダイナミクスを持つロボットについて考察する。 特に、不確実性は環境の意味ラベルにある。 本稿では,ロボットのダイナミクスを捉える部分観測可能な確率ハイブリッドシステムとして,その問題をモデル化する方法を示す。 本稿では,ハイブリッドシステムの構造を生かし,意思決定手法とサンプリングに基づく動作計画の有効性を組み合わせたリアルタイムアルゴリズムを提案する。 アルゴリズムの音質と漸近的最適性を証明する。 その結果、不確実な環境でのアルゴリズムの有効性が示され、ベースライン法よりも一貫して優れていた。

関連論文リスト

• Min-Max Regret Task Allocation and Planning of Heterogeneous Multi-Robot System in Partially Known Environments [5.229463033279081]
  本稿では,スケーラビリティを犠牲にすることなく,高レベルの論理的制約と環境不確実性を同時に扱う,堅牢な計画枠組みを提案する。 提案手法は,ロボットやタイプ数に関してほぼ直線的なスケーラビリティを実現し,ソリューションの品質と計算効率の両方においてMILPベースのベースラインを大幅に上回っていることを示す。
  論文  参考訳（メタデータ） (2026-07-15T02:59:38Z)
• Self-Supervised Coarsening of Unstructured Grid with Automatic Differentiation [55.88862563823878]
  本研究では,微分可能物理の概念に基づいて,非構造格子を階層化するアルゴリズムを提案する。 多孔質媒質中のわずかに圧縮可能な流体流を制御した線形方程式と波動方程式の2つのPDE上でのアルゴリズムの性能を示す。 その結果,検討したシナリオでは,関心点におけるモデル変数のダイナミクスを保ちながら,格子点数を最大10倍に削減した。
  論文  参考訳（メタデータ） (2025-07-24T11:02:13Z)
• Efficient Transformed Gaussian Process State-Space Models for Non-Stationary High-Dimensional Dynamical Systems [49.819436680336786]
  本研究では,高次元非定常力学系のスケーラブルかつ柔軟なモデリングのための効率的な変換ガウス過程状態空間モデル(ETGPSSM)を提案する。 具体的には、ETGPSSMは、単一の共有GPと入力依存の正規化フローを統合し、複雑な非定常遷移ダイナミクスを捉える前に、表現的な暗黙のプロセスを生成する。 ETGPSSMは、計算効率と精度の観点から、既存のGPSSMとニューラルネットワークベースのSSMより優れています。
  論文  参考訳（メタデータ） (2025-03-24T03:19:45Z)
• Self-Supervised Learning-Based Path Planning and Obstacle Avoidance Using PPO and B-Splines in Unknown Environments [0.0]
  Smart BSPは、自律ロボット工学におけるリアルタイムパス計画と障害物回避のための高度な自己教師型学習フレームワークである。 提案システムは,PPO(Proximal Policy Optimization)と畳み込みニューラルネットワーク(Convolutional Neural Networks, CNN)とActor-Criticアーキテクチャを統合する。 トレーニングプロセス中に、経路曲率、終端近接、障害物回避を考慮に入れたニュアンスコスト関数を最小化する。
  論文  参考訳（メタデータ） (2024-12-03T05:20:29Z)
• 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)
• Stochastic Online Optimization for Cyber-Physical and Robotic Systems [9.392372266209103]
  本稿では,サイバー物理・ロボットシステムの文脈におけるプログラミング問題の解決のための新しいオンラインフレームワークを提案する。 我々の問題定式化制約は、一般に連続状態とアクション空間が非線形であるサイバー物理システムの進化をモデル化する。 我々は, 力学の粗い推定でも, アルゴリズムの収束性を大幅に向上させることができることを示した。
  論文  参考訳（メタデータ） (2024-04-08T09:08:59Z)
• A Unifying Variational Framework for Gaussian Process Motion Planning [44.332875416815384]
  本稿では,変分ガウス過程に基づくロボット動作計画のためのフレームワークを提案する。 我々のフレームワークは、平等ベース、不平等ベース、ソフトモーションプランニング制約を組み込む、原則的で柔軟な方法を提供します。 その結果,提案手法は成功率とパス品質のバランスが良好であることが示唆された。
  論文  参考訳（メタデータ） (2023-09-02T07:51:29Z)
• Optimistic Active Exploration of Dynamical Systems [52.91573056896633]
  我々はOPAXと呼ばれる活発な探索のためのアルゴリズムを開発した。 我々は,OPAXを各エピソードで解決可能な最適制御問題に還元する方法を示す。 実験の結果,OPAXは理論的に健全であるだけでなく,新規な下流タスクのゼロショット計画にも有効であることがわかった。
  論文  参考訳（メタデータ） (2023-06-21T16:26:59Z)
• Obstacle Identification and Ellipsoidal Decomposition for Fast Motion Planning in Unknown Dynamic Environments [0.0]
  未知環境における衝突回避は、無人システムにとって最も重要な課題の1つである。 線形障害物速度と角障害物速度を推定するために, 楕円体の観点から障害物を同定する手法を提案する。
  論文  参考訳（メタデータ） (2022-09-28T17:00:10Z)
• Robust Value Iteration for Continuous Control Tasks [99.00362538261972]
  シミュレーションから物理システムへ制御ポリシを転送する場合、そのポリシは、動作の変動に対して堅牢でなければならない。 本稿では、動的プログラミングを用いて、コンパクトな状態領域上での最適値関数を計算するRobust Fitted Value Iterationを提案する。 より深い強化学習アルゴリズムや非ロバストなアルゴリズムと比較して、ロバストな値の方が頑健であることを示す。
  論文  参考訳（メタデータ） (2021-05-25T19:48:35Z)
• Robust Reinforcement Learning with Wasserstein Constraint [49.86490922809473]
  最適なロバストなポリシーの存在を示し、摂動に対する感度分析を行い、新しいロバストな学習アルゴリズムを設計する。 提案アルゴリズムの有効性はCart-Pole環境で検証する。
  論文  参考訳（メタデータ） (2020-06-01T13:48:59Z)

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。