論文の概要: The Open Motion Planning Library 2.0
- arxiv url: http://arxiv.org/abs/2605.29301v1
- Date: Thu, 28 May 2026 03:32:28 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-30 02:45:55.633829
- Title: The Open Motion Planning Library 2.0
- Title（参考訳）: Open Motion Planning Library 2.0
- Authors: Weihang Guo, Theodoros Tyrovouzis, Emiliano Flores, Clayton W. Ramsey, Zachary K. Kingston, Ioan A. Şucan, Mark Moll, Lydia E. Kavraki,
- Abstract要約: OMPL 2.0は,ハードウェアアクセラレーションによるリアルタイムモーションプランニングをターゲットとした,最新のAI研究とシームレスなライブラリである。
また,OMPLと運動計画の分野が長年にわたってどのように発展してきたかについても考察し,図書館が研究コミュニティに与える影響について論じる。
- 参考スコア（独自算出の注目度）: 13.40106455308628
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The Open Motion Planning Library (OMPL), first released in 2008, has become a cornerstone of the motion planning community, providing implementations of a wide range of state-of-the-art sampling-based algorithms. Over almost two decades of continuous development, we have steadily expanded the library with new planners, state spaces, and problem formulations. These additions range from asymptotically optimal and lazy planners to constrained motion planning and planning with temporal-logic goals. Building on this foundation, we introduce OMPL 2.0, a major evolution of the library that targets real-time motion planning through hardware acceleration and integrates seamlessly with modern AI research workflows. We also reflect on how OMPL and the field of motion planning have grown together over the years, and discuss the library's broader impact on the research community.
- Abstract（参考訳）: 2008年に最初にリリースされたOpen Motion Planning Library (OMPL)は、幅広い最先端のサンプリングベースのアルゴリズムの実装を提供する、モーションプランニングコミュニティの基盤となっている。
約20年に及ぶ継続的開発を経て、我々は、新しいプランナー、状態空間、問題定式化とともにライブラリを着実に拡張しました。
これらの追加は、漸近的に最適で遅延的なプランナーから、時間論理的目標を持つ制約された動き計画や計画まで様々である。
この基盤の上に構築されたOMPL 2.0は、ハードウェアアクセラレーションによるリアルタイムモーションプランニングを目標とし、現代のAI研究ワークフローとシームレスに統合するライブラリのメジャー進化である。
また,OMPLと運動計画の分野が長年にわたってどのように発展してきたかについても考察し,図書館が研究コミュニティに与える影響について論じる。
関連論文リスト
- Interleaving Scheduling and Motion Planning with Incremental Learning of Symbolic Space-Time Motion Abstractions [44.139198749024644]
Task and Motion Planningは、高レベルのタスクシークエンシングと低レベルのモーションプランニングを組み合わせることで、実現可能な、衝突のない実行計画を生成する。
本稿では,共有ワークスペースにおける多目的ナビゲーションのスケジューリングと動作計画問題としてこれを定式化する。
本稿では,市販のスケジューラと運動プランナをインクリメンタル学習ループでインターリーブする,新たなソリューションフレームワークを提案する。
論文 参考訳（メタデータ） (2026-03-11T11:10:49Z) - Wide-Horizon Thinking and Simulation-Based Evaluation for Real-World LLM Planning with Multifaceted Constraints [39.01715254437105]
本稿では,多面制約による計画課題を解決するための多面計画(MAoP)について紹介する。
MAoPは直接計画するのではなく、ストラテジストを活用して、さまざまな側面から事前計画を行い、プランナーのための計画青写真を提供する。
論文 参考訳（メタデータ） (2025-06-14T09:37:59Z) - A Meta-Engine Framework for Interleaved Task and Motion Planning using Topological Refinements [51.54559117314768]
タスク・アンド・モーション・プランニング(タスク・アンド・モーション・プランニング、TAMP)は、自動化された計画問題の解決策を見つけるための問題である。
本稿では,TAMP問題のモデル化とベンチマークを行うための,汎用的でオープンソースのフレームワークを提案する。
移動エージェントと複数のタスク状態依存障害を含むTAMP問題を解決する革新的なメタ技術を導入する。
論文 参考訳（メタデータ） (2024-08-11T14:57:57Z) - Open Grounded Planning: Challenges and Benchmark Construction [44.86307213996181]
我々は,新たな計画課題--オープン・グランド・プランニングを提案する。
オープングランドプランニングの主な目的は、可変アクションセットに基づいて実行可能なプランを生成するようモデルに求めることである。
そして、現在最先端のLLMを5つの計画手法とともにテストし、既存のLLMとメソッドが、オープンドメインの基盤となる計画によってもたらされる課題を解決するのに依然として苦労していることを明らかにした。
論文 参考訳（メタデータ） (2024-06-05T03:46:52Z) - Understanding the planning of LLM agents: A survey [98.82513390811148]
本調査では, LLMをベースとしたエージェント計画の体系的考察を行い, 計画能力の向上を目的とした最近の成果について報告する。
各方向について総合的な分析を行い、研究分野におけるさらなる課題について論じる。
論文 参考訳（メタデータ） (2024-02-05T04:25:24Z) - On the Prospects of Incorporating Large Language Models (LLMs) in
Automated Planning and Scheduling (APS) [23.024862968785147]
本稿では, LLMのユニークな応用に基づく8つのカテゴリを, 計画問題の諸側面に対処するために検討する。
我々のレビューから得られた重要な洞察は、LLMの真の可能性は、従来のシンボリックプランナーと統合されたときに広がります。
論文 参考訳（メタデータ） (2024-01-04T19:22:09Z) - LLM-Assist: Enhancing Closed-Loop Planning with Language-Based Reasoning [65.86754998249224]
従来のルールベースプランナとLCMベースのプランナを併用した,新しいハイブリッドプランナを開発した。
当社のアプローチでは,既存のプランナが苦労する複雑なシナリオをナビゲートし,合理的なアウトプットを生成すると同時に,ルールベースのアプローチと連携して作業する。
論文 参考訳（メタデータ） (2023-12-30T02:53:45Z) - Planning as In-Painting: A Diffusion-Based Embodied Task Planning
Framework for Environments under Uncertainty [56.30846158280031]
具体的AIのためのタスクプランニングは、最も難しい問題の1つだ。
In-paintingとしての計画」というタスク非依存の手法を提案する。
提案するフレームワークは,様々な具体的AIタスクにおいて,有望なパフォーマンスを実現する。
論文 参考訳（メタデータ） (2023-12-02T10:07:17Z) - AdaPlanner: Adaptive Planning from Feedback with Language Models [56.367020818139665]
大規模言語モデル(LLM)は、最近、シーケンシャルな意思決定タスクの自律的エージェントとして機能する可能性を実証している。
本研究では,LLMエージェントが環境フィードバックに応じて自己生成計画を適応的に改善することのできるクローズドループアプローチであるAdaPlannerを提案する。
幻覚を緩和するために,様々なタスク,環境,エージェント機能にまたがる計画生成を容易にするコードスタイルのLCMプロンプト構造を開発した。
論文 参考訳（メタデータ） (2023-05-26T05:52:27Z)
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。