論文の概要: Performance Comparison of Classical and Neural Sampling Algorithms for Robotic Navigation

• arxiv url: http://arxiv.org/abs/2605.25010v1
• Date: Sun, 24 May 2026 11:27:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-26 19:50:18.652718
• Title: Performance Comparison of Classical and Neural Sampling Algorithms for Robotic Navigation
• Title（参考訳）: ロボットナビゲーションのための古典的およびニューラルサンプリングアルゴリズムの性能比較
• Abstract要約: RRT*,Neural RRT*,Neural Informed RRT*の3つのアルゴリズムを実装し評価した。 その結果,神経誘導プランナーは経路の質を向上し,最大で14%の短い経路と55-75%のスムーズな軌道が得られた。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Integrating artificial intelligence (AI) into sampling-based motion planning provides new possibilities for improving autonomous navigation efficiency. In this paper, three algorithms, namely RRT*, Neural RRT*, and Neural Informed RRT*, are implemented and evaluated on environments containing convex and concave obstacles with different obstacle densities. The obtained results indicate that neural-guided planners improve path quality, producing up to 14\% shorter paths and 55--75\% smoother trajectories compared with the conventional RRT* algorithm. Among the evaluated methods, Neural Informed RRT* achieves the best overall performance in terms of path length and trajectory smoothness. These results demonstrate the effectiveness of AI-guided sampling strategies for improving reliability and trajectory efficiency in robotic and UAV navigation, despite a slight increase in computation time. Overall, the study highlights the growing importance of artificial intelligence in real-time robotic path planning applications.
• Abstract（参考訳）: 人工知能(AI)をサンプリングベースのモーションプランニングに統合することは、自律的なナビゲーション効率を改善する新たな可能性を提供する。 本稿では,RRT*,Neural RRT*,Neural Informed RRT*の3つのアルゴリズムを,障害物密度の異なる凸障害物と凹障害物を含む環境上で実装し,評価する。 その結果,ニューラル誘導型プランナーは経路品質を向上し,従来のRRT*アルゴリズムと比較して14\%の短い経路と55-75\%のスムーズな軌道が得られた。 評価手法の中で,ニューラルインフォームドRT*は経路長と軌道の滑らかさの観点から,最高の総合的な性能を達成する。 これらの結果から,ロボット航法やUAV航法における信頼性と軌道効率向上のためのAI誘導サンプリング手法の有効性が示された。 全体としてこの研究は、リアルタイムのロボット経路計画アプリケーションにおける人工知能の重要性の高まりを強調している。

関連論文リスト

• Invertible Neural Network Adapter for One-Step Flow Matching in Robot Manipulation [48.77928097573051]
  本稿では,汎用ロボット操作のための可逆ニューラルネットワークアダプタを提案する。 フローマッチングの定式化に基づいて、提案したアダプタは、可逆潜在空間内のアクション生成軌跡を制約する。 提案手法の有効性を評価するため,様々なシミュレーションベンチマークと実世界のロボットプラットフォームを用いて実験を行った。
  論文  参考訳（メタデータ） (2026-06-17T15:35:27Z)
• Convex-Neural RRT*: Fast and Reliable Learning-Guided Sampling for High-Quality Robot Path Planning [0.0]
  本稿では,高品質な経路に近い情報的経路領域を予測するための神経誘導を組み込んだ改良RT*であるConvex-Neural RRT*を提案する。 提案アルゴリズムは,3種類の環境と18個のベンチマークマップを用いて,ニューラルRT*,ニューラルインフォームドRT*,古典的RT*,LTA*に対して評価を行う。 実験結果から,Convex-Neural RRT*は神経誘導型に比べて30～75%,LTA*と比較して88～98%の時間を短縮し,複雑な環境下での大きな改善が見られた。
  論文  参考訳（メタデータ） (2026-05-24T11:17:57Z)
• GeNeRT: A Physics-Informed Approach to Intelligent Wireless Channel Modeling via Generalizable Neural Ray Tracing [40.29573574383523]
  一般化,精度,効率を向上した一般化可能なニューラルRTフレームワークであるGeNeRTを提案する。 Fresnelにインスパイアされたニューラルネットワーク設計を取り入れることで、マルチパスコンポーネント(MPC)予測の精度も向上する。 屋外シナリオで行われた実験では、GeNeRTはシナリオ内の訓練されていない領域と完全に見えない環境にまたがってうまく一般化されていることが示されている。
  論文  参考訳（メタデータ） (2025-06-23T05:17:01Z)
• Robust Evolutionary Multi-Objective Network Architecture Search for Reinforcement Learning (EMNAS-RL) [43.108040967674185]
  本稿では,自律運転のための大規模強化学習(AD)において,ニューラルネットワークアーキテクチャを最適化するための進化的多目的ネットワークアーキテクチャ探索(EMNAS)を初めて導入する。 EMNASは遺伝的アルゴリズムを用いてネットワーク設計を自動化し、報酬を高めるように調整し、性能を損なうことなくモデルサイズを減らす。
  論文  参考訳（メタデータ） (2025-06-10T07:52:35Z)
• Self-Supervised Learning-Based Path Planning and Obstacle Avoidance Using PPO and B-Splines in Unknown Environments [0.0]
  Smart BSPは、自律ロボット工学におけるリアルタイムパス計画と障害物回避のための高度な自己教師型学習フレームワークである。 提案システムは,PPO(Proximal Policy Optimization)と畳み込みニューラルネットワーク(Convolutional Neural Networks, CNN)とActor-Criticアーキテクチャを統合する。 トレーニングプロセス中に、経路曲率、終端近接、障害物回避を考慮に入れたニュアンスコスト関数を最小化する。
  論文  参考訳（メタデータ） (2024-12-03T05:20:29Z)
• 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)
• Deep Heuristic Learning for Real-Time Urban Pathfinding [0.0]
  本稿では,交通や気象条件などのリアルタイムな文脈データを活用するディープラーニングモデルに,従来のアルゴリズムを変換することで,都市パスフィニングへの新たなアプローチを提案する。 本稿では,現在の環境条件に基づいて経路を動的に調整する拡張A*アルゴリズムと,過去のデータとライブデータを用いて次の最適経路セグメントを予測するニューラルネットワークモデルを提案する。
  論文  参考訳（メタデータ） (2024-11-07T00:22:04Z)
• A Novel Feature Learning-based Bio-inspired Neural Network for Real-time Collision-free Rescue of Multi-Robot Systems [5.478000072204037]
  バイオインスパイアされたニューラルネットワークは、複雑でダイナミックな環境で救助経路を生成するために提案される。 提案されたFLBBINNは、ニューラルネットワークベースのアプローチの計算複雑性を低減することを目的としている。 その結果,提案するFLBBINNは救助活動の速度,効率,最適性を大幅に向上させることがわかった。
  論文  参考訳（メタデータ） (2024-03-13T04:43:10Z)
• Confidence-Controlled Exploration: Efficient Sparse-Reward Policy Learning for Robot Navigation [72.24964965882783]
  強化学習(RL)はロボットナビゲーションにおいて有望なアプローチであり、ロボットは試行錯誤を通じて学習することができる。 現実世界のロボットタスクは、しばしばまばらな報酬に悩まされ、非効率な探索と準最適政策に繋がる。 本稿では,RLに基づくロボットナビゲーションにおいて,報酬関数を変更せずにサンプル効率を向上させる新しい手法であるConfidence-Controlled Exploration (CCE)を紹介する。
  論文  参考訳（メタデータ） (2023-06-09T18:45:15Z)
• CBAGAN-RRT: Convolutional Block Attention Generative Adversarial Network for Sampling-Based Path Planning [0.0]
  CBAGAN-RRT(Convolutional Block Attention Generative Adrial Network)を用いた新しい画像ベース学習アルゴリズムを提案する。 提案アルゴリズムは,画像品質生成指標と経路計画指標の両方を用いて,従来の最先端アルゴリズムよりも優れていた。
  論文  参考訳（メタデータ） (2023-05-13T20:06:53Z)
• Improved Algorithms for Neural Active Learning [74.89097665112621]
  非パラメトリックストリーミング設定のためのニューラルネットワーク(NN)ベースの能動学習アルゴリズムの理論的および経験的性能を改善する。 本研究では,SOTA(State-of-the-art (State-the-art)) 関連研究で使用されるものよりも,アクティブラーニングに適する人口減少を最小化することにより,2つの後悔の指標を導入する。
  論文  参考訳（メタデータ） (2022-10-02T05:03:38Z)
• Path Design and Resource Management for NOMA enhanced Indoor Intelligent Robots [58.980293789967575]
  通信可能な屋内知的ロボット(IR)サービスフレームワークを提案する。 室内レイアウトとチャネル状態を決定論的に記述できるレゴモデリング手法が提案されている。 調査対象の無線マップは、強化学習エージェントを訓練するための仮想環境として呼び出される。
  論文  参考訳（メタデータ） (2020-11-23T21:45:01Z)
• DrNAS: Dirichlet Neural Architecture Search [88.56953713817545]
  ディリクレ分布をモデルとした連続緩和型混合重みをランダム変数として扱う。 最近開発されたパスワイズ微分により、ディリクレパラメータは勾配に基づく一般化で容易に最適化できる。 微分可能なNASの大きなメモリ消費を軽減するために, 単純かつ効果的な進行学習方式を提案する。
  論文  参考訳（メタデータ） (2020-06-18T08:23:02Z)

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。