論文の概要: Online Goal Recognition using Path Signature and Dynamic Time Warping

• arxiv url: http://arxiv.org/abs/2605.07736v1
• Date: Fri, 08 May 2026 13:45:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-11 19:43:39.077045
• Title: Online Goal Recognition using Path Signature and Dynamic Time Warping
• Title（参考訳）: 経路シグナチャと動的時間ワープを用いたオンラインゴール認識
• Authors: Douglas Tesch, Nathan Gavenski, Leonardo Amado, Odinaldo Rodrigues, Felipe Meneguzzi,
• Abstract要約: 本稿では,パスシグネチャを活用したオンラインゴール認識手法を提案する。 実験により,本手法は予測精度とオンライン計画効率において,常に技術状況を上回る性能を発揮することが示された。
• 参考スコア（独自算出の注目度）: 7.620569577334144
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Online goal recognition in continuous domains poses two central challenges: efficiently encoding large trajectories and effectively comparing them. Recent work addresses these challenges by using custom state-space representations and metrics to compare observations against hypotheses. However, these approaches often overlook well-established encoding techniques used in other domains that offer substantial advantages. This paper introduces a novel method for online goal recognition that leverages path signatures, a compact, expressive representation of rough path theory that efficiently captures key semantic features of trajectories, enabling more meaningful comparisons between them. Experiments show that our method consistently outperforms the state of the art in predictive accuracy and online planning efficiency, while remaining competitive offline.
• Abstract（参考訳）: 継続的ドメインにおけるオンラインゴール認識は、大きな軌道を効率的に符号化し、それらを効果的に比較する、という2つの中心的な課題を提起する。 最近の研究は、カスタムな状態空間表現とメトリクスを使用して仮説に対する観測を比較することで、これらの課題に対処している。 しかし、これらのアプローチは、大きな利点をもたらす他のドメインで使われるよく確立された符号化技術を見落としていることが多い。 本稿では,トラジェクトリのキーセマンティックな特徴を効率的に捉え,より意味のある比較を可能にする,粗いパス理論のコンパクトかつ表現的な表現であるパスシグネチャを利用したオンラインゴール認識手法を提案する。 実験の結果,本手法は競争力を維持しつつも,予測精度とオンライン計画効率において,常に最先端の手法よりも優れていることがわかった。

関連論文リスト

• Cross-Domain Diffusion with Progressive Alignment for Efficient Adaptive Retrieval [52.67656818203429]
  非教師付き効率的なドメイン適応検索は、ラベル付きソースドメインからラベルなしターゲットドメインに知識を転送することを目的としている。 既存のメソッドは、ターゲットドメインの潜在的なノイズに対処できず、ドメイン間で直接高レベルな機能を調整します。 そこで本研究では,これらの課題に対処する新しいクロスドメイン拡散・プログレッシブアライメント法(COUPLE)を提案する。
  論文  参考訳（メタデータ） (2025-05-20T04:17:39Z)
• Towards Transformer-Based Aligned Generation with Self-Coherence Guidance [51.42269790543461]
  トランスフォーマーを用いたテキストガイド拡散モデル(TGDM)におけるアライメント向上のためのトレーニング不要アプローチを提案する。 既存のTGDMは、特に複雑なテキストプロンプトやマルチコンセプト属性バインディングの問題を扱う場合、意味的に整合した画像を生成するのに苦労することが多い。 本手法は,生成過程において,相互注意マップを直接最適化することにより,これらの課題に対処する。
  論文  参考訳（メタデータ） (2025-03-22T07:03:57Z)
• RLOMM: An Efficient and Robust Online Map Matching Framework with Reinforcement Learning [15.616652008152098]
  本稿では,多様なシナリオを扱う際の堅牢性を確保しつつ,高精度かつ効率的なマッチングを実現する新しいフレームワークを提案する。 本研究は,オンライン地図マッチング問題をオンラインマルコフ決定プロセス(OMDP)として,その特性に基づいてモデル化することから始める。 次に、動的に変化する環境からのリアルタイムデータのロバスト処理を可能にする強化学習手法を設計する。
  論文  参考訳（メタデータ） (2025-02-05T11:26:32Z)
• From Patches to Objects: Exploiting Spatial Reasoning for Better Visual Representations [2.363388546004777]
  本研究では,空間的推論に基づく新しい予備的事前学習手法を提案する。 本提案手法は,識別的自己管理手法の補助的タスクとして空間推論を導入することで,より柔軟なコントラスト学習の定式化を実現する。
  論文  参考訳（メタデータ） (2023-05-21T07:46:46Z)
• Modeling Continuous Motion for 3D Point Cloud Object Tracking [54.48716096286417]
  本稿では,各トラックレットを連続ストリームとみなす新しいアプローチを提案する。 各タイムスタンプでは、現在のフレームだけがネットワークに送られ、メモリバンクに格納された複数フレームの履歴機能と相互作用する。 頑健な追跡のためのマルチフレーム機能の利用性を高めるために,コントラッシブシーケンス強化戦略を提案する。
  論文  参考訳（メタデータ） (2023-03-14T02:58:27Z)
• TIDE: Time Derivative Diffusion for Deep Learning on Graphs [31.01454180524729]
  グラフニューラルネットワークの顕著なパラダイムは、メッセージパッシングフレームワークに基づいている。 本フレームワークでは,近隣ノード間のみの情報通信を実現する。 本稿では,時間微分グラフ拡散(TIDE)に基づく新しい手法を提案する。
  論文  参考訳（メタデータ） (2022-12-05T18:42:55Z)
• Contrastive Test-Time Adaptation [83.73506803142693]
  本稿では,自己指導型コントラスト学習を活用して特徴学習を支援する新しい手法を提案する。 擬似ラベルをオンラインで作成し、ターゲットのフィーチャースペースに最も近い隣人の間でソフト投票によってそれらを洗練します。 我々の手法であるAdaContrastは、主要なベンチマーク上で最先端のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2022-04-21T19:17:22Z)
• Unsupervised Domain-adaptive Hash for Networks [81.49184987430333]
  ドメイン適応型ハッシュ学習はコンピュータビジョンコミュニティでかなりの成功を収めた。 UDAHと呼ばれるネットワークのための教師なしドメイン適応型ハッシュ学習手法を開発した。
  論文  参考訳（メタデータ） (2021-08-20T12:09:38Z)
• Self-supervised asymmetric deep hashing with margin-scalable constraint for image retrieval [3.611160663701664]
  画像検索のためのマージンスケール可能な制約(SADH)アプローチを備えた,新しい自己監視型非対称深ハッシュ法を提案する。 sadhは自己教師付きネットワークを実装し、セマンティック特徴マップに意味情報を保存し、与えられたデータセットのセマンティクスを意味コードマップに格納する。 特徴学習部では、ハミング空間におけるペア関係の高精度な構築とより識別的なハッシュコード表現の両方に、新たなマージンスケータブル制約を用いる。
  論文  参考訳（メタデータ） (2020-12-07T16:09:37Z)
• Weakly supervised cross-domain alignment with optimal transport [102.8572398001639]
  画像オブジェクトとテキストシーケンス間のクロスドメインアライメントは多くの視覚言語タスクの鍵となる。 本稿では,画像とテキスト間の微粒な意味的類似点の同定と最適化のための新しいアプローチについて検討する。
  論文  参考訳（メタデータ） (2020-08-14T22:48:36Z)

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。