論文の概要: STAR-Filter: Efficient Convex Free-Space Approximation via Starshaped Set Filtering in Noisy Environments
- arxiv url: http://arxiv.org/abs/2604.26626v1
- Date: Wed, 29 Apr 2026 12:54:20 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-30 15:59:36.402842
- Title: STAR-Filter: Efficient Convex Free-Space Approximation via Starshaped Set Filtering in Noisy Environments
- Title（参考訳）: STARフィルタ:星形フィルタによる高効率凸自由空間近似
- Authors: Yuwei Wu, Yichen Zhao, Dexter Ong, Vijay Kumar,
- Abstract要約: 反復最適化に基づくインフレーション法は, 乱雑な環境下で大容量のポリトープを生成することができる。
衝突のない空間における凸領域生成のための高速フィルタとして星形集合構造を用いる軽量フレームワークSTAR-Filterを提案する。
本稿では,星形集合の構造特性を特徴づける理論的,数値的な解析と,複雑さの異なる環境におけるパイプラインの提案について述べる。
- 参考スコア（独自算出の注目度）: 9.963303263008187
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Approximating collision-free space is fundamental to robot planning in complex environments. Convex geometric representations, such as polytopes and ellipsoids, are widely employed due to their structural properties, which can be easily integrated with convex optimization. Iterative optimization-based inflation methods can generate large volume polytopes in cluttered environments, but their efficiency degrades as the obstacle set becomes more complex or when sensor data are noisy. These methods are also sensitive to initialization and often rely on accurate geometric models. In this paper, we propose the STAR-Filter, a lightweight framework that employs starshaped set construction as a fast filter for convex region generation in collision-free space. By identifying obstacle points as active supporting constraints, the proposed method significantly reduces redundant computation while preserving feasibility and robustness to sensor noise. We provide theoretical and numerical analyses that characterize the structural properties of the starshaped set and proposed pipeline in environments of varying complexity. Simulation results show that the proposed framework achieves the lowest computation time and reduces conservativeness in polytope generation for real-world noisy and large-scale data. We demonstrate the effectiveness of the framework for Safe Flight Corridor (SFC) generation and agile quadrotor planning in noisy environments.
- Abstract（参考訳）: 衝突のない空間の近似は、複雑な環境でのロボット計画の基礎となる。
ポリトープや楕円体のような凸幾何学的表現は、その構造的性質のために広く採用されており、凸最適化と容易に統合できる。
繰り返し最適化に基づくインフレーション法は, 乱雑な環境下で大容量のポリトープを生成することができるが, 障害物セットが複雑になったり, センサデータがノイズのある場合に効率が低下する。
これらの手法は初期化にも敏感であり、しばしば正確な幾何学モデルに依存する。
本稿では,衝突のない空間における凸領域生成のための高速フィルタとして星形集合構造を用いる軽量フレームワークSTAR-Filterを提案する。
障害点をアクティブな支持制約として同定することにより,センサノイズに対する有効性と堅牢性を保ちながら,冗長な計算を著しく削減する。
本稿では,星形集合の構造特性を特徴づける理論的,数値的な解析と,複雑さの異なる環境におけるパイプラインの提案について述べる。
シミュレーションの結果,提案手法は最小計算時間を実現し,実世界のノイズや大規模データに対するポリトープ生成の保守性を低下させることがわかった。
ノイズの多い環境での安全飛行回廊(SFC)生成とアジャイル四重極計画の有効性を実証する。
関連論文リスト
- Iterative Convex Optimization with Control Barrier Functions for Obstacle Avoidance among Polytopes [3.8436274588467696]
多目的ロボットによる障害物回避は、最適化に基づく制御と軌道計画において難しい問題である。
既存の手法は、幾何学力学を歪ませる楕円体のような双対距離近似に頼っている。
本稿では,安全クリティカルナビゲーションプログラムのための新しい反復凸性有限水平最適化フレームワークを提案する。
論文 参考訳（メタデータ） (2026-03-06T05:10:44Z) - 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) - Fluxamba: Topology-Aware Anisotropic State Space Models for Geological Lineament Segmentation in Multi-Source Remote Sensing [6.815807403335458]
トポロジ対応の機能修正フレームワークを導入した軽量アーキテクチャを提案する。
F Fluxambaは3.4Mパラメータと6.3G FLOPで24FPS以上のリアルタイム推論速度を達成する。
論文 参考訳（メタデータ） (2026-01-24T03:55:21Z) - Latent Space Reinforcement Learning for Multi-Robot Exploration [0.0]
未知環境の自動マッピングシステムを開発した。
必須空間情報を保存しつつ,高忠実度占有率マップを潜在状態ベクトルに圧縮する。
共有データへの依存を変調する重み付きコンセンサス機構を導入する。
論文 参考訳（メタデータ） (2026-01-03T10:06:40Z) - SVRecon: Sparse Voxel Rasterization for Surface Reconstruction [60.92372415355283]
我々は最近提案されたスパースボキセル化パラダイムをSVReconの統合により高忠実度表面再構成の課題に拡張する。
本手法は, 常に高速な収束を保ちながら, 強い復元精度を実現する。
論文 参考訳（メタデータ） (2025-11-21T16:32:01Z) - Learning a Fast Mixing Exogenous Block MDP using a Single Trajectory [87.62730694973696]
STEELは、単一軌道から外因性ブロックマルコフ決定過程の制御可能なダイナミクスを学習するための、最初の証明可能なサンプル効率アルゴリズムである。
我々は,STEELが正解であり,サンプル効率が良いことを証明し,STEELを2つの玩具問題で実証した。
論文 参考訳（メタデータ） (2024-10-03T21:57:21Z) - Gaussian Ensemble Belief Propagation for Efficient Inference in High-Dimensional Systems [3.6773638205393198]
高次元モデルにおける効率的な推論は、機械学習における中心的な課題である。
本稿では,Gaussian Ensemble Belief Propagation (GEnBP)アルゴリズムを紹介する。
本稿では,GEnBPが既存の信念手法よりも精度と計算効率で優れていることを示す。
論文 参考訳（メタデータ） (2024-02-13T03:31:36Z) - Near-optimal Policy Identification in Active Reinforcement Learning [84.27592560211909]
AE-LSVI はカーネル化された最小二乗値 RL (LSVI) アルゴリズムの新しい変種であり、楽観主義と悲観主義を組み合わせて活発な探索を行う。
AE-LSVIは初期状態に対するロバスト性が必要な場合、様々な環境で他のアルゴリズムよりも優れていることを示す。
論文 参考訳（メタデータ） (2022-12-19T14:46:57Z) - Pushing the Envelope of Rotation Averaging for Visual SLAM [69.7375052440794]
視覚SLAMシステムのための新しい最適化バックボーンを提案する。
従来の単分子SLAMシステムの精度, 効率, 堅牢性を向上させるために, 平均化を活用している。
我々のアプローチは、公開ベンチマークの最先端技術に対して、同等の精度で最大10倍高速に表示することができる。
論文 参考訳（メタデータ） (2020-11-02T18:02:26Z) - 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。