論文の概要: Optimal Kinodynamic Motion Planning Through Anytime Bidirectional Heuristic Search with Tight Termination Condition
- arxiv url: http://arxiv.org/abs/2604.11587v1
- Date: Mon, 13 Apr 2026 15:03:00 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-14 20:13:16.636668
- Title: Optimal Kinodynamic Motion Planning Through Anytime Bidirectional Heuristic Search with Tight Termination Condition
- Title（参考訳）: タイト終端条件付き任意の双方向ヒューリスティックサーチによる最適運動計画
- Authors: Yi Wang, Bingxian Mu, Shahab Shokouhi, May-Win Thein,
- Abstract要約: Bidirectional Tight Informed Trees (BTIT*) は最適なキノダイナミックサンプリングに基づく運動計画アルゴリズムである。
BTIT*は、任意の双方向検索(Bi-HS)を統合し、Emphmeet-in-the-middle特性(MMP)と最適性(MM-Optimity)を保証する。
- 参考スコア（独自算出の注目度）: 2.005183503104021
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This paper introduces Bidirectional Tight Informed Trees (BTIT*), an asymptotically optimal kinodynamic sampling-based motion planning algorithm that integrates an anytime bidirectional heuristic search (Bi-HS) and ensures the \emph{meet-in-the-middle} property (MMP) and optimality (MM-optimality). BTIT* is the first anytime MEET-style algorithm to utilize termination conditions that are efficient to evaluate and enable early termination \emph{on-the-fly} in batch-wise sampling-based motion planning. Experiments show that BTIT* achieves strongly faster time-to-first-solution and improved convergence than representative \emph{non-lazy} informed batch planners on two kinodynamic benchmarks: a 4D double-integrator model and a 10D linearized Quadrotor. The source code is available here.
- Abstract（参考訳）: 本稿では,漸近的に最適なキノダイナミックサンプリングに基づく運動計画アルゴリズムであるBTIT*を導入し,任意の双方向ヒューリスティック探索(Bi-HS)を統合し,MMP特性と最適性(MM-Optimity)を確保する。
BTIT*は、バッチワイドサンプリングベースのモーションプランニングにおいて、早期終了を効果的に評価し、有効にできる終端条件を利用する最初のMEETスタイルのアルゴリズムである。
実験の結果,BTIT*は4次元2次積分器モデルと10次元線形化擬ドロレータという2つのキノダイナミックベンチマーク上で,代表的 \emph{non-lazy} のバッチプランナーよりも強い時間対第一解法を実現し,収束性を向上させることがわかった。
ソースコードはここにある。
関連論文リスト
- Kino-PAX$^+$: Near-Optimal Massively Parallel Kinodynamic Sampling-based Motion Planner [11.640483409938724]
準最適保証を備えた超並列キノダイナミックモーションプランナであるKino-PAX$+$を紹介した。
Kino-PAX$+$は、既存のシリアルメソッドよりも最大3桁高速なソリューションを見つけ、最先端のGPUベースのプランナよりも低いソリューションコストを達成する。
論文 参考訳（メタデータ） (2026-02-02T21:50:18Z) - Just in time Informed Trees: Manipulability-Aware Asymptotically Optimized Motion Planning [46.553063931217245]
我々はJust-in-Time Informed Trees (JIT*)アルゴリズムを導入し、Effort Informed Trees (EIT*) を拡張した。
JIT* は $mathbbR4$ から $mathbbR16$ まで、従来のサンプリングベースのプランナよりも一貫して優れています。
論文 参考訳（メタデータ） (2026-01-27T18:58:51Z) - Stochastic Primal-Dual Double Block-Coordinate for Two-way Partial AUC Maximization [45.99743804547533]
2方向部分AUCAUCは、不均衡なデータを持つバイナリ分類における重要な性能指標である。
TPAUC最適化のための既存のアルゴリズムは未探索のままである。
TPAUC最適化のための2つの革新的な二重座標ブロック座標アルゴリズムを導入する。
論文 参考訳（メタデータ） (2025-05-28T03:55:05Z) - CBOL-Tuner: Classifier-pruned Bayesian optimization to explore temporally structured latent spaces for particle accelerator tuning [46.348283638884425]
本稿では,空間表現のための複合型畳み込み時間オートエンコーダ(AE)を提案する。
CBOLTuneは、複数の最適な設定を特定する上で、優れたパフォーマンスを示している。
論文 参考訳（メタデータ） (2024-12-02T17:43:16Z) - Bidirectional Looking with A Novel Double Exponential Moving Average to
Adaptive and Non-adaptive Momentum Optimizers [109.52244418498974]
我々は,新しいtextscAdmeta(textbfADouble指数textbfMov averagtextbfE textbfAdaptiveおよび非適応運動量)フレームワークを提案する。
我々は、textscAdmetaR と textscAdmetaS の2つの実装を提供し、前者は RAdam を、後者は SGDM をベースとしています。
論文 参考訳（メタデータ） (2023-07-02T18:16:06Z) - Fast Computation of Optimal Transport via Entropy-Regularized Extragradient Methods [75.34939761152587]
2つの分布間の最適な輸送距離の効率的な計算は、様々な応用を促進するアルゴリズムとして機能する。
本稿では,$varepsilon$加法精度で最適な輸送を計算できるスケーラブルな一階最適化法を提案する。
論文 参考訳（メタデータ） (2023-01-30T15:46:39Z) - Nesterov Meets Optimism: Rate-Optimal Separable Minimax Optimization [108.35402316802765]
本稿では,新しい一階最適化アルゴリズムであるAcceleratedGradient-OptimisticGradient (AG-OG) Ascentを提案する。
我々はAG-OGが様々な設定に対して最適収束率(定数まで)を達成することを示す。
アルゴリズムを拡張して設定を拡張し、bi-SC-SCとbi-C-SCの両方で最適な収束率を達成する。
論文 参考訳（メタデータ） (2022-10-31T17:59:29Z)
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。