論文の概要: V-STC: A Time-Efficient Multi-Vehicle Coordinated Trajectory Planning Approach

• arxiv url: http://arxiv.org/abs/2604.22196v1
• Date: Fri, 24 Apr 2026 03:55:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-27 15:36:26.33456
• Title: V-STC: A Time-Efficient Multi-Vehicle Coordinated Trajectory Planning Approach
• Title（参考訳）: V-STC: 時間効率の良い多車両協調軌道計画手法
• Authors: Pengfei Liu, Jialing Zhou, Yuezu Lv, Guanghui Wen, Tingwen Huang,
• Abstract要約: 本稿では, 可変時間ステップ車回廊(STC-STC)と呼ばれる新しいアプローチを提案する。 各自動運転車(AV)用のV-STCを構築するために最適化モデルが定式化される 廊下の空間的位置と時間ステップを可変させることで、構築されたV-STCは各AVの時間的占有を減少させる。 本手法は, 既存のSTC手法と比較して, 安全な多車両協調を実現し, より時間効率の良い動作を実現する。
• 参考スコア（独自算出の注目度）: 63.475658003162266
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Coordinating the motions of multiple autonomous vehicles (AVs) requires planning frameworks that ensure safety while making efficient use of space and time. This paper presents a new approach, termed variable-time-step spatio-temporal corridor (V-STC), that enhances the temporal efficiency of multi-vehicle coordination. An optimization model is formulated to construct a V-STC for each AV, in which both the spatial configuration of the corridor cubes and their time durations are treated as decision variables. By allowing the corridor's spatial position and time step to vary, the constructed V-STC reduces the overall temporal occupancy of each AV while maintaining collision-free separation in the spatio-temporal domain. Based on the generated V-STC, a dynamically feasible trajectory is then planned independently for each AV. Simulation studies demonstrate that the proposed method achieves safe multi-vehicle coordination and yields more time-efficient motion compared with existing STC approaches.
• Abstract（参考訳）: 複数の自動運転車(AV)の動きを調整するには、空間と時間の効率的な利用をしながら安全性を確保するための計画フレームワークが必要である。 本稿では,多車両協調の時間効率を高めるため,可変時時時時空間回廊(V-STC)と呼ばれる新しい手法を提案する。 各AVに対するV-STCを構築するために最適化モデルを定式化し、廊下立方体の空間的構成と時間長の両方を決定変数として扱う。 構築されたV-STCは、廊下の空間的位置と時間ステップの変化を許容することにより、時空間領域における衝突のない分離を維持しながら、各AVの時間的占有を減少させる。 生成されたV-STCに基づいて、動的に実現可能な軌道を各AVに対して独立に計画する。 シミュレーション研究により,提案手法は,既存のSTC手法と比較して,安全なマルチサイクル調整を実現し,より時間効率の良い動作が得られることが示された。

関連論文リスト

• RAD-2: Scaling Reinforcement Learning in a Generator-Discriminator Framework [49.531001563853984]
  RAD-2はクローズドループ計画のための統一されたジェネレータ・ディスクリミネーターフレームワークである。 様々な軌道候補を生成する一方、RL最適化判別器は、これらの候補を長期的な運転品質に応じて再現する。 強い拡散ベースのプランナーに比べて衝突速度を56%削減する。
  論文  参考訳（メタデータ） (2026-04-16T17:59:44Z)
• Accelerated Spline-Based Time-Optimal Motion Planning with Continuous Safety Guarantees for Non-Differentially Flat Systems [6.862015448582809]
  単一制御問題(OCP)としてのスプラインに基づく動き計画の定式化 分離を線形システムや二次プログラムで解ける独立した分類問題として扱うことにより、提案手法は超平面パラメータをOCP変数から除去する。 実験による検証により、この分離されたアプローチは、完全にリッチな環境に比べて軌道速度を60%近く減少させることが示された。
  論文  参考訳（メタデータ） (2026-03-25T09:53:04Z)
• Fast Near Time-Optimal Motion Planning for Holonomic Vehicles in Structured Environments [8.195916347194315]
  磁気浮上を用いた平面運動系における運動計画の課題を解決することを目的としている。 提案手法は, 自由空間廊下を用いた環境表現を符号化し, 移動プリミティブを用いて車両の走行を表現している。 この手法は最先端のXPlanarシステムよりもはるかに低い時間で実現され、実世界のBeckhoff XPlanarシステム上で検証される。
  論文  参考訳（メタデータ） (2026-02-02T21:26:30Z)
• Optimizing Multi-Lane Intersection Performance in Mixed Autonomy Environments [0.0]
  本稿では,グラフ注意ネットワーク(GAT)とSoft Actor-Critic(SAC)強化学習を組み合わせた新しい交通信号制御フレームワークを提案する。 提案したSACは、エントロピー最適化決定による適応的な信号制御を可能にする頑健な非政治強化学習アルゴリズムである。 実験の結果,従来の手法と比較して平均遅延時間を24.1%削減し,トラフィック違反を29.2%減少させることにより,GAT-SACアプローチの有効性を示した。
  論文  参考訳（メタデータ） (2025-11-04T03:10:47Z)
• Trajectory Design for UAV-Based Low-Altitude Wireless Networks in Unknown Environments: A Digital Twin-Assisted TD3 Approach [62.11847362756054]
  低高度無線ネットワーク(LAWN)のキーイネーブラーとして無人航空機(UAV)が登場している 我々は、デジタルツイン(DT)支援トレーニングおよびデプロイメントフレームワークを提案する。 このフレームワークでは、UAVは統合されたセンシングと通信信号を送信し、地上ユーザーに通信サービスを提供し、同時にDTサーバにアップロードされたエコーを収集して、仮想環境(VE)を段階的に構築する。 これらのVEはモデルトレーニングを加速し、展開中のリアルタイムUAVセンシングデータを継続的に更新し、意思決定をサポートし、飛行安全性を向上する。
  論文  参考訳（メタデータ） (2025-10-28T10:05:53Z)
• B-TGAT: A Bi-directional Temporal Graph Attention Transformer for Clustering Multivariate Spatiotemporal Data [0.15763762230817438]
  本稿では,2次元グラフ注意変換器(B-TGAT)を統合した時間分散ハイブリッドU-Netオートコーダを提案する。 エンコーダとデコーダは、共同時空間特徴を抽出するConvLSTM2Dモジュールを備えている。 実験は、最先端のベースラインと比較して、クラスター分離性、時間的安定性、既知の気候遷移との整合性が優れていることを示した。
  論文  参考訳（メタデータ） (2025-09-16T16:08:21Z)
• Variable Time-Step MPC for Agile Multi-Rotor UAV Interception of Dynamic Targets [6.0967385124149756]
  既存の非線形モデル予測制御手法を使用したアジャイルプランニングは、ますます需要が高まるにつれて計画手順の数によって制限される。 本稿では,変動時間ステップを導入し,予測水平長と組み合わせることで,これらの制約に対処することを提案する。 簡易な点質量運動プリミティブは、四重項力学の微分平坦性と、平坦な出力空間における可能な軌道の軌道生成を利用するために用いられる。
  論文  参考訳（メタデータ） (2025-03-18T11:59:24Z)
• A Decoupled Spatio-Temporal Framework for Skeleton-based Action Segmentation [89.86345494602642]
  既存の手法は、弱い時間的モデリング能力に制限されている。 この問題に対処するために、Decoupled Scoupled Framework (DeST)を提案する。 DeSTは計算量が少なく、現在の最先端の手法を著しく上回っている。
  論文  参考訳（メタデータ） (2023-12-10T09:11:39Z)
• Federated Learning on the Road: Autonomous Controller Design for Connected and Autonomous Vehicles [109.71532364079711]
  CAV(コネクテッド・アンド・自律車両)の自律制御設計のための新しい統合学習(FL)フレームワークの提案 CAVの移動性、無線フェーディングチャネル、および不均衡で非独立で同一に分散されたデータを考慮に入れた新しい動的フェデレーション・プロキシ(DFP)アルゴリズムが提案されている。 最適制御器を用いてCAVがどの程度の速度で収束するかを同定するために,提案アルゴリズムに対して厳密な収束解析を行う。
  論文  参考訳（メタデータ） (2021-02-05T19:57:47Z)
• Spatial-Temporal Transformer Networks for Traffic Flow Forecasting [74.76852538940746]
  本稿では,長期交通予測の精度を向上させるため,時空間変圧器ネットワーク(STTN)の新たなパラダイムを提案する。 具体的には、有向空間依存を動的にモデル化することにより、空間変換器と呼ばれる新しいグラフニューラルネットワークを提案する。 提案モデルにより,長期間にわたる空間的依存関係に対する高速かつスケーラブルなトレーニングが可能になる。
  論文  参考訳（メタデータ） (2020-01-09T10:21:04Z)

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。