論文の概要: Track A*: Fast Visibility-Aware Trajectory Planning for Active Target Tracking

• arxiv url: http://arxiv.org/abs/2605.05338v1
• Date: Wed, 06 May 2026 18:09:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-08 22:27:11.362107
• Title: Track A*: Fast Visibility-Aware Trajectory Planning for Active Target Tracking
• Title（参考訳）: Track A*: アクティブターゲット追跡のための高速視認性を考慮した軌道計画
• Abstract要約: 我々は、視認可能な目標追跡のためのオフライン検索ベースの軌道プランナーであるTrack A star(TA star)を提示する。 TA星は、層状非巡回グラフ(D)探索と、境界体積に対するクロスタイム障害物距離キャッシング、層当たりのビームプルーニング、マルチレイ可視性評価器の3つのエンジニアリング最適化を組み合わせた。 実験の結果、計算コストのごく一部で、頑健で、ほぼベースラインに近い可視性を示す。
• 参考スコア（独自算出の注目度）: 1.8297494098768168
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Offline reference trajectories for active target tracking are needed both for building multi-modal tracking datasets and for benchmarking online tracking planners under repeatable conditions. We present Track A star (TA star), an offline search-based trajectory planner that targets the visibility-aware target tracking objective on a discretized four-dimensional spatio-temporal grid (x, y, z, t). TA star combines a layered Directed Acyclic Graph (DAG) search with three engineering optimizations: cross-time obstacle distance caching against a Bounding Volume Hierarchy (BVH), per-layer beam pruning, and a configurable multi-ray visibility evaluator. TA star employs a beam-pruned heuristic search on this discrete graph to efficiently find high-quality tracking trajectories. While it trades strict theoretical optimality for practical scalability, our empirical results demonstrate robust, near-baseline visibility performance at a fraction of the computational cost. On a 1000-scenario stress test across eight CARLA Optimized maps, TA star converges on all scenarios and completes in 45 s using 32 workers; on a 248-scenario controlled comparison against an unoptimized priority-queue A star baseline (BinaryHeap implementation) under identical scenario inputs and a 5 x 10^6 expansion cap, TA star reduces mean planning time by 23.0x and worst-case planning time by 11.8x, while raising convergence from 56.9% to 100%. On the n=141 baseline-converged subset, TA star changes average visibility by only -0.15 percentage points (pp), with no scenario exceeding a 5 pp drop. We position TA star as a practical offline reference planner under these specific conditions, with limitations and failure cases discussed for environments such as Town07 dense vegetation.
• Abstract（参考訳）: アクティブターゲットトラッキングのためのオフライン参照トラジェクトリは、マルチモーダルトラッキングデータセットの構築と、繰り返し可能な条件下でオンライントラッキングプランナのベンチマークの両方に必要である。 本稿では,識別された4次元時空間格子 (x, y, z, t) 上で,視認可能な目標追跡目標を目標としたオフライン探索型軌道計画装置であるTrack A star(TA star)を提案する。 TA星は、層状非巡回グラフ(DAG)探索と、境界体積階層(BVH)に対するクロスタイム障害物距離キャッシング、層当たりのビームプルーニング、構成可能なマルチレイ可視性評価器の3つのエンジニアリング最適化を組み合わせた。 TA星は、この離散グラフ上でビームで計算されたヒューリスティック探索を用いて、高品質な追跡軌道を効率的に見つける。 実用的なスケーラビリティのために厳密な理論的最適性を交換するが、我々の経験的結果は、計算コストのごく一部で、堅牢でほぼベースラインの可視性を示す。 CARLAの8つの最適化された地図における1000回のストレステストでは、TA星は全シナリオに収束し、32人の労働者を用いて45秒で完了する; 最適化されていない優先度待ちのA星のベースライン(BinaryHeapの実装)と5 x 10^6拡張キャップで比較すると、TA星は平均計画時間を23.0倍、最悪の計画時間は11.8倍、収束率は56.9%から100%に向上する。 n=141基線収束部分集合では、TA星は平均視認率を 0.15 ポイント (pp) で変化させ、シナリオは 5 pp を超えることはない。 これらの条件下では,TA星を実際のオフライン参照プランナとして位置づける。

関連論文リスト

• TRACE: Ergodic Trajectory Optimization for Active Scene Reconstruction [7.636751274394083]
  エルゴード被覆問題としての能動再建について検討した。 我々のアプローチは、このターゲット分布を不確実性と可視性からオンラインに導き出す。 我々は、Replicaデータセット上のTRACEをNext-Best-View(NBV)ベースラインに対して評価し、PSNRを1.5dB改善した。
  論文  参考訳（メタデータ） (2026-08-03T14:30:20Z)
• From Distances to Trajectories: Real-Time Signed Distance Function Mapping and Distance-Accelerated Motion Planning for UAVs [8.393016378205752]
  我々は、マッピングとプランニングは単一の表現を中心に共同設計されるべきであると主張する:符号付き距離関数(SDF)。 タンデムでは、距離情報を利用して最大衝突のない球を成長させる検索ベースのプランナーであるBubble$star$を開発する。 計算制約の厳密な条件下で室内環境をリアルタイムでナビゲートし,四角形回路上でのOREN-Bubble$star$アプローチを実演する。
  論文  参考訳（メタデータ） (2026-07-21T17:18:46Z)
• DRIFT: Drift and Aggregation for Motion Planning [20.309189828710362]
  DRIFTは1ステップのドリフトをコンパクトな軌跡空間内でのドリフトとシーン認識型提案アグリゲーションを組み合わせた固定深度軌道プランナーである。 軽量アグリゲーションヘッドはこれらの特徴をシーン、ナビゲーション、エゴステート情報と統合し、最終軌道を直接予測する。 その出力は、専門家軌道の模倣と、乾燥可能なポリゴンの外側のウェイポイントをペナライズする地図由来境界正規化器で訓練されている。
  論文  参考訳（メタデータ） (2026-07-16T02:43:13Z)
• LocalNav: Distilling Frontier VLMs and Embodied RL for On-Device Object Goal Navigation [53.88286427894783]
  視覚言語モデル(VLM)は、ロボット分野において、言語コンテキストによる環境認識を可能にする強力なツールとして登場した。 しかし、彼らの計算フットプリントは、通常、それらをクラウド実行に制限し、リソースに制約のあるロボットへのローカルなデプロイによる低レイテンシの推論を妨げる。 本稿では,大規模フロンティアモデルからの複雑な空間意味推論を,組み込みGPUデバイス上でエッジ実行を行うための軽量な4BパラメータローカルVLMに転送する蒸留戦略を提案する。
  論文  参考訳（メタデータ） (2026-06-26T09:11:59Z)
• CosFly-Track: A Large-Scale Multi-Modal Dataset for UAV Visual Tracking via Multi-Constraint Trajectory Optimization [5.936588226093352]
  都市環境におけるUAV視覚追跡のための大規模マルチモーダルデータセットであるCosFlyTrackを紹介する。 このデータセットは6000本の歩行者経路から生成された約12,000人の専門家と摂動型UAV軌道を提供する。 CosFlyTrackは追跡性能を78.3から95.6%に改善し、ゼロショットベースラインよりも53から69ポイント向上した。
  論文  参考訳（メタデータ） (2026-05-18T02:49:58Z)
• Instance-level Visual Active Tracking with Occlusion-Aware Planning [61.982298426203165]
  Visual Active Tracking (VAT)は、カメラを3D空間でターゲットに追従することを目的としている。 VATは、視覚的に類似したイントラクタからの混乱と、閉塞下での深刻な障害という、現実世界のデプロイメントにおいて2つの重要なボトルネックに直面している。 3つの相補的なモジュールを持つ統一パイプラインであるOA-VATを提案する。
  論文  参考訳（メタデータ） (2026-04-23T09:11:50Z)
• UAV-Track VLA: Embodied Aerial Tracking via Vision-Language-Action Models [14.433739259355406]
  複雑な現実世界のタスクを実行する無人航空機(UAV)にとって、身体的視線追跡は不可欠である。 このような環境でのマルチモーダルトラッキングをベンチマークするために,890Kのフレーム,176のタスク,85の多様なオブジェクトを含む大規模データセットを構築した。 本稿では,$_0.5$アーキテクチャ上に構築した改良型VLA追跡モデルUAV-Track VLAを提案する。
  論文  参考訳（メタデータ） (2026-04-02T16:33:38Z)
• Critic-Free Deep Reinforcement Learning for Maritime Coverage Path Planning on Irregular Hexagonal Grids [1.2891210250935148]
  海上監視任務は、広大で幾何学的に複雑な領域におけるセンシング資産の効率的な配分に依存している。 伝統的なカバー・パス・プランニングアプローチは不規則な海岸線、島々、および排他的地域と戦っている。 本研究では,不規則海域の六角形格子表現においてCPPを解くための深層強化学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-03-30T12:56:38Z)
• Amortizing Trajectory Diffusion with Keyed Drift Fields [2.5352713493505785]
  キード・ドリフト・ポリシーズ (Keyed Drifting Policies) は、ドリフトフィールドの目標で訓練された1ステップの軌道生成装置である。 生成されたトラジェクトリを条件マッチングされたデータセットウィンドウに反映する。 1ステップの推論で高い性能を達成し、拡散サンプリングよりも計画遅延を大幅に低減する。
  論文  参考訳（メタデータ） (2026-03-14T17:56:15Z)
• MapGCLR: Geospatial Contrastive Learning of Representations for Online Vectorized HD Map Construction [44.37176678126708]
  自動運転車は周囲の世界を理解するために地図情報に依存している。 よりスケーラブルな代替手段は、オンラインのHDマップ構築にある。 本研究は、ベクトル化されたオンラインHDマップ構築モデルにおいて、潜伏鳥眼ビュー(BEV)特徴グリッド表現を改善することに焦点を当てる。 我々は、単一トラバーサルラベル付きデータの縮小セットを用いて教師付き同じモデルを訓練し、マルチトラバーサル要求に従ってより広範なラベル付きデータセットに基づいて自己教師する。
  論文  参考訳（メタデータ） (2026-03-11T11:58:23Z)
• CoWTracker: Tracking by Warping instead of Correlation [53.834673070954494]
  ワープに有利なコストを削減できる高密度な点トラッカーを提案する。 近年の光学的流れの進展に触発されて,本手法では,現在の推定値に基づいて,対象フレームからクエリフレームへ特徴を変換することで,トラック推定を反復的に洗練する。 我々のモデルは,TAP-Vid-DAVIS,TAP-Vid-Kinetics,Robo-TAPなど,標準的な高密度点追跡ベンチマークの最先端性能を実現する。
  論文  参考訳（メタデータ） (2026-02-04T18:58:59Z)
• SCoTT: Strategic Chain-of-Thought Tasking for Wireless-Aware Robot Navigation in Digital Twins [78.53885607559958]
  無線対応経路計画フレームワークであるSCoTTを提案する。 SCoTT は DP-WA* の2% 以内で経路ゲインを達成し, 連続的に短い軌道を生成できることを示す。 また,ガゼボシミュレーションにおいて,SCoTTをROSノードとして配置することにより,本手法の実用性を示す。
  論文  参考訳（メタデータ） (2024-11-27T10:45:49Z)
• Affordances-Oriented Planning using Foundation Models for Continuous Vision-Language Navigation [64.84996994779443]
  本稿では,連続視覚言語ナビゲーション(VLN)タスクのためのAffordances-Oriented Plannerを提案する。 我々のAO-Plannerは、様々な基礎モデルを統合して、アベイランス指向の低レベルな動き計画とハイレベルな意思決定を実現する。 挑戦的なR2R-CEデータセットとRxR-CEデータセットの実験は、AO-Plannerが最先端のゼロショットのパフォーマンスを達成したことを示している。
  論文  参考訳（メタデータ） (2024-07-08T12:52:46Z)
• BEVTrack: A Simple and Strong Baseline for 3D Single Object Tracking in Bird's-Eye View [54.48052449493636]
  3Dシングルオブジェクトトラッキング(SOT)はコンピュータビジョンの基本課題であり、自律運転のようなアプリケーションにおいて重要な役割を果たす。 BEVTrackは、シンプルだが効果的な動きに基づくトラッキング手法である。 我々は,BEVTrackが200FPSで動作しながら最先端の結果を達成し,リアルタイム適用性を実現していることを示す。
  論文  参考訳（メタデータ） (2023-09-05T12:42:26Z)
• Detection, Tracking, and Counting Meets Drones in Crowds: A Benchmark [97.07865343576361]
  DroneCrowdという新しいドローンキャプチャ型大規模データセットによるベンチマークを構築した。 私たちは4800万人の頭といくつかのビデオレベルの属性を持つ20,800人のトラジェクタに注釈を付けます。 我々は、密集した群衆の物体の検出、追跡、数え上げを行うための強力なベースラインとして、Space-Time Neighbor-Aware Network (STNNet)を設計する。
  論文  参考訳（メタデータ） (2021-05-06T04:46:14Z)

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。