論文の概要: Asymptotically Optimal Ergodic Coverage on Generalized Motion Fields

• arxiv url: http://arxiv.org/abs/2605.13442v1
• Date: Wed, 13 May 2026 12:37:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-14 23:30:28.043726
• Title: Asymptotically Optimal Ergodic Coverage on Generalized Motion Fields
• Title（参考訳）: 一般運動場における漸近的最適エルゴード被覆
• Authors: Christian Hughes, Yilang Liu, Yanis Lahrach, Julia Engdahl, Houston Warren, Darrick Lee, Fabio Ramos, Travis Miles, Ian Abraham,
• Abstract要約: 遠隔および極端な環境での自律的なロボット探査により、科学者は複雑な現象をモデル化できる。 ほとんどの適応探索法は静的環境を前提としており、適切なカバレッジを提供していない。 本手法は,海洋探査やヒトおよび牛の移動の追跡など,多様なプロセスに一般化されている。
• 参考スコア（独自算出の注目度）: 6.330592680829195
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Autonomous robotic exploration in remote and extreme environments allows scientists to model complex transport phenomena and collective behaviors described by continuously deforming flow fields. Although these environments are naturally modeled as time-varying domains, most adaptive exploration methods assume static environments and fail to provide adequate coverage or satisfy any formal guarantees. This is especially the case in oceanography where autonomous underwater systems (UxS) have highly restrictive compute and payload requirements that necessitate path planning methods that yield robust data collection strategies in open-loop and underactuated settings. In this work, to address the aforementioned issues, we propose to formulate adaptive search as an ergodic coverage problem and investigate certifying coverage in the ergodic sense over evolving domains with flow-induced dynamics. We expand upon recent work demonstrating maximum mean discrepancy (MMD) as a functional ergodic metric, and derive a flow-adaptive formulation that explicitly accounts for domain evolution within the coverage objective. We show that this approach preserves ergodic coverage guarantees in ambient flows and enables effective exploration in under-actuated, and even open-loop planning settings by integrating environment dynamics. Experiments validate that our method generalizes to diverse spatiotemporal processes including ocean exploration, and tracking human and cattle movement. Physical experiments on aerial and legged robotic platforms validate our ability to obtain ergodic coverage in non-convex, flow-restricted environments while respecting robot dynamics.
• Abstract（参考訳）: 遠隔および極端環境における自律的なロボット探査は、科学者が連続的に変形する流れ場によって記述される複雑な輸送現象や集合的な挙動をモデル化することを可能にする。 これらの環境は自然に時間変化ドメインとしてモデル化されるが、ほとんどの適応探索手法は静的環境を前提としており、適切なカバレッジを提供していないか、正式な保証を満たさない。 これは特に海洋学において、自律型水中システム(UxS)は、オープンループおよび未作動環境において堅牢なデータ収集戦略をもたらす経路計画手法を必要とする、高度に制限された計算およびペイロード要求を持つ。 本研究では, 上記の問題に対処するため, 適応探索をエルゴード的カバレッジ問題として定式化し, フロー誘起力学を持つ進化ドメインに対するエルゴード的カバレッジの検証を行う。 我々は,機能的エルゴード計量として,最大平均誤差(MMD)を示す最近の研究を拡張し,対象範囲内でのドメイン進化を明示的に考慮したフロー適応型定式化を導出する。 本研究では,環境力学を統合することで,環境流れにおけるエルゴディックなカバレッジ保証を保ち,非作動的かつオープンループな計画設定を効果的に探究できることを示す。 本手法が海洋探査や人・牛の移動の追跡など,多様な時空間過程に一般化することを検証する実験を行った。 空気と脚のロボットプラットフォームに関する物理実験は、ロボット力学を尊重しながら、非凸・流動制限環境におけるエルゴディックなカバレッジを得る能力を検証する。

関連論文リスト

• IndustryNav: Exploring Spatial Reasoning of Embodied Agents in Dynamic Industrial Navigation [56.43007596544299]
  IndustryNavは、アクティブな空間推論のための最初の動的産業用ナビゲーションベンチマークである。 9つの最先端のVisual Large Language Modelsの研究によると、クローズドソースモデルは一貫した優位性を維持している。
  論文  参考訳（メタデータ） (2025-11-21T16:48:49Z)
• Active Target Discovery under Uninformative Prior: The Power of Permanent and Transient Memory [26.488250231429774]
  高品質なデータを取得するのが高価である多くの科学・工学分野において、制限された予算内での発見率の最大化には、観測されていない領域の戦略的サンプリングが不可欠である。 非形式的事前設定においても効果的なアクティブターゲット発見を可能にする新しい手法を提案する。 ブラックボックスのポリシーとは異なり、私たちのアプローチは本質的に解釈可能であり、意思決定に関する明確な洞察を与えます。
  論文  参考訳（メタデータ） (2025-10-19T00:42:56Z)
• Unlocking Smarter Device Control: Foresighted Planning with a World Model-Driven Code Execution Approach [82.27842884709378]
  本研究では,自然言語理解と構造化推論を優先し,エージェントの環境に対するグローバルな理解を高める枠組みを提案する。 本手法は,従来の手法,特にタスク成功率の44.4%向上を達成している。
  論文  参考訳（メタデータ） (2025-05-22T09:08:47Z)
• AI planning in the imagination: High-level planning on learned abstract search spaces [68.75684174531962]
  我々は,エージェントが訓練中に学習する抽象的な検索空間において,エージェントが計画することを可能にする,PiZeroと呼ばれる新しい手法を提案する。 本研究では,旅行セールスマン問題,ソコバン問題,2048年,施設立地問題,パックマン問題など,複数の分野で評価を行った。
  論文  参考訳（メタデータ） (2023-08-16T22:47:16Z)
• Autonomous search of real-life environments combining dynamical system-based path planning and unsupervised learning [0.0]
  本研究は,カオスカバレッジパスプランナの現実的応用のための新しいフレームワークを開発する。 効果的な障害物回避、カオス軌道分散、正確なリアルタイムカバレッジ計算のための技術を提供する。 このアプリケーションの性能は、従来の最適経路プランナーに匹敵するものだった。
  論文  参考訳（メタデータ） (2023-05-03T00:09:31Z)
• Variational Dynamic for Self-Supervised Exploration in Deep Reinforcement Learning [12.76337275628074]
  本研究では,条件付き変分推論に基づく変動力学モデルを提案し,多モード性および生成性をモデル化する。 環境遷移の負の対数類似度の上界を導出し、その上界を探査の本質的な報酬として利用する。 提案手法は,最先端の環境モデルに基づく探索手法よりも優れている。
  論文  参考訳（メタデータ） (2020-10-17T09:54:51Z)
• Online Mapping and Motion Planning under Uncertainty for Safe Navigation in Unknown Environments [3.2296078260106174]
  本論文は,確率論的安全保証者によるオンラインで実現可能な動作のマッピングと計画のための不確実性に基づくフレームワークを提案する。 提案手法は, 環境の不確実性を意識した環境表現を構築するために周囲をマッピングし, (i) 信念空間の多層サンプリングベースプランナーを通して, キノダイナミックに実現可能で確率論的に安全な目標に反復的に(re)計画を行うことにより, 動き, 確率論的安全性, オンライン計算制約を取り扱う。
  論文  参考訳（メタデータ） (2020-04-26T08:53:37Z)

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。