論文の概要: Multi-Step Gaussian Process Propagation for Adaptive Path Planning

• arxiv url: http://arxiv.org/abs/2604.19148v1
• Date: Tue, 21 Apr 2026 06:55:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-22 22:41:49.661342
• Title: Multi-Step Gaussian Process Propagation for Adaptive Path Planning
• Title（参考訳）: 適応経路計画のための多段階ガウス過程の伝播
• Authors: Alex Beaudin, Bjørn Andreas Kristiansen, Kristoffer Gryte, Corrado Chiatante, Morten Omholt Alver, Murat Arcak, Tor Arne Johansen,
• Abstract要約: 本稿では,マルチモーダル環境センサデータに適応し,状態制約と入力制約を組み込んだガウス過程に基づく経路計画手法を提案する。 本手法は,高忠実度モデルとその場センシングデータの両方から海洋藻類開花データを用いて,モニタリングシナリオにおける自律表面容器上で実証する。
• 参考スコア（独自算出の注目度）: 1.7883249184785492
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Efficient and robust path planning hinges on combining all accessible information sources. In particular, the task of path planning for robotic environmental exploration and monitoring depends highly on the current belief of the world. To capture the uncertainty in the belief, we present a Gaussian process based path planning method that adapts to multi-modal environmental sensing data and incorporates state and input constraints. To solve the path planning problem, we optimize over future waypoints in a receding horizon fashion, and our cost is thus a function of the Gaussian process posterior over all these waypoints. We demonstrate this method, dubbed OLAhGP, on an autonomous surface vessel using oceanic algal bloom data from both a high-fidelity model and in-situ sensing data in a monitoring scenario. Our simulated and experimental results demonstrate significant improvement over existing methods. With the same number of samples, our method generates more informative paths and achieves greater accuracy in identifying algal blooms in chlorophyll a rich waters, measured with respect to total misclassification probability and binary misclassification rate over the domain of interest.
• Abstract（参考訳）: 効率的で堅牢な経路計画ヒンジは、すべてのアクセス可能な情報ソースを組み合わせている。 特に、ロボット環境探査・監視のための経路計画の課題は、現在の世界の信念に大きく依存している。 本研究では,マルチモーダル環境センシングデータに適応し,状態制約と入力制約を組み込んだガウス過程に基づく経路計画手法を提案する。 経路計画問題の解決のために, 将来の経路点を水平方向の後退方式で最適化し, 当社のコストはこれらすべての経路点に対するガウス過程の後方関数となる。 我々は,OLAhGPと呼ばれるこの手法を,高忠実度モデルとその場センシングデータの両方から海藻の開花データを用いて,自律的な表面容器上で実演する。 シミュレーションおよび実験により,既存手法よりも大幅に改善した。 同数の試料を用いて, クロロフィル中の藻類を富裕な水として同定し, 興味領域の総誤分類確率と二分的誤分類率について測定した。

関連論文リスト

• Closing the Train-Test Gap in World Models for Gradient-Based Planning [64.36544881136405]
  本研究では,効率的な勾配計画を可能にする世界モデルの学習方法を提案する。 テスト時には,古典的勾配のないクロスエントロピー法よりも優れた手法が提案される。
  論文  参考訳（メタデータ） (2025-12-10T18:59:45Z)
• Robust variable selection for spatial point processes observed with noise [1.8047694351309207]
  そこで本稿では,疎度プロモーティング推定とノイズロバストモデル選択を組み合わせた点過程の強度関数における変数選択を提案する。 本研究では,様々なノイズシナリオ下で真の空間的コスを確実に回復し,両方の選択安定性を向上することを示す。 これは雑音下でのポイントプロセスモデルにおけるロバストな変数選択のための体系的なフレームワークを提供する手法の実用性を示している。
  論文  参考訳（メタデータ） (2025-10-29T14:18:08Z)
• Informative Path Planning to Explore and Map Unknown Planetary Surfaces with Gaussian Processes [0.0]
  本研究ではスカラー変数分布のマッピングのための情報経路計画アルゴリズムを評価する。 従来のオープンループカバレッジ手法と情報理論のアプローチを比較した。 アルゴリズムのパフォーマンスは、パラボラ、タウンゼンド関数、月のクレーターの水和マップの3つの面でテストされている。
  論文  参考訳（メタデータ） (2025-03-20T18:10:13Z)
• Real-time Spatial-temporal Traversability Assessment via Feature-based Sparse Gaussian Process [15.756895046886406]
  本研究では,自律型ロボットが複雑な地形を移動できるようにすることを目的とした,空間的時間的トラバーサビリティ評価手法を提案する。 我々の手法は精度と計算効率の両面でSOTAよりも優れている。 本研究では,移動可能性マップと統合された自律ナビゲーションフレームワークを開発し,複雑な屋外環境下での微分駆動車による検証を行う。
  論文  参考訳（メタデータ） (2025-03-06T06:26:57Z)
• Enhancing Path Planning Performance through Image Representation Learning of High-Dimensional Configuration Spaces [0.4143603294943439]
  障害物のある未知のシーンにおける経路計画タスクを高速化する新しい手法を提案する。 高速探索ランダムツリーアルゴリズムを用いて,衝突のない経路の経路点分布を近似した。 本実験は,臨界時間制約下での経路計画タスクを高速化する有望な結果を実証する。
  論文  参考訳（メタデータ） (2025-01-11T21:14:52Z)
• Diffusion Generative Flow Samplers: Improving learning signals through partial trajectory optimization [87.21285093582446]
  Diffusion Generative Flow Samplers (DGFS) はサンプルベースのフレームワークであり、学習プロセスを短い部分的軌道セグメントに分解することができる。 生成フローネットワーク(GFlowNets)のための理論から着想を得た。
  論文  参考訳（メタデータ） (2023-10-04T09:39:05Z)
• Dynamic Flows on Curved Space Generated by Labeled Data [17.621847430986854]
  興味のあるデータセットに近い新しいサンプルを生成するための勾配流法を提案する。 本手法は,移動学習環境における分類モデルの精度を向上させることができることを示す。
  論文  参考訳（メタデータ） (2023-01-31T19:53:01Z)
• Localized active learning of Gaussian process state space models [63.97366815968177]
  多くの共通制御アプリケーションにおいて、優れた性能を達成するためには、グローバルに正確なモデルを必要としない。 本稿では,状態-作用空間の有界部分集合上の正確なモデルを得ることを目的としたガウス過程状態空間モデルに対する能動的学習戦略を提案する。 モデル予測制御を用いることで、探索中に収集した情報を統合し、探索戦略を適応的に改善する。
  論文  参考訳（メタデータ） (2020-05-04T05:35:02Z)
• A Near-Optimal Gradient Flow for Learning Neural Energy-Based Models [93.24030378630175]
  学習エネルギーベースモデル(EBM)の勾配流を最適化する新しい数値スキームを提案する。 フォッカー・プランク方程式から大域相対エントロピーの2階ワッサーシュタイン勾配流を導出する。 既存のスキームと比較して、ワッサーシュタイン勾配流は実データ密度を近似するより滑らかで近似的な数値スキームである。
  論文  参考訳（メタデータ） (2019-10-31T02:26:20Z)

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。