論文の概要: Bidirectional Incremental Generalized Hybrid A*

• arxiv url: http://arxiv.org/abs/2605.30647v1
• Date: Thu, 28 May 2026 23:04:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-01 20:56:50.282346
• Title: Bidirectional Incremental Generalized Hybrid A*
• Title（参考訳）: 双方向インクリメンタル一般化ハイブリッドA*
• Authors: Sidharth Talia, Oren Salzman, Siddhartha Srinivasa,
• Abstract要約: 本稿では, Bi-IGHA* が R3, R4, R6 の計画問題の拡張を大幅に削減することを示す。 また,Bi-IGHA*は高速オフロード自律化のためのキノダイナミック計画により,等価な閉ループ性能を実現することを示す。
• 参考スコア（独自算出の注目度）: 5.811502603310249
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We focus on the problem of efficient anytime kinodynamic planning for systems with complex dynamics in unstructured environments that make precomputing motion primitives infeasible. Directly applying A* to such problems is computationally infeasible due to the curse of dimensionality. Methods such as Hybrid A* addressed this burden by discretizing the state space, but in turn creating a coupling between tree discovery and the discretization resolution. The Incremental Generalized Hybrid A* (IGHA*) performs search over a hierarchy of resolutions in an anytime fashion to break this coupling, by freezing vertices to use in later search iterations rather than pruning them. However, the frozen vertices can hide solution-supporting vertices from the search at a particular iteration. While classical bidirectional search is motivated by the reduction of search depth, extending IGHA* into the bidirectional setting (termed Bi-IGHA*) obtains additional benefit by fundamentally mitigating the behaviour induced by frozen vertices hiding solutions. We show that Bi-IGHA* preserves IGHA*'s guarantees on monotonic cost improvement and termination. We empirically show that Bi-IGHA* substantially reduces expansions on R3, R4, and R6 planning problems, and achieves equivalent closed-loop performance with kinodynamic planning for high-speed off-road autonomy while requiring significantly fewer expansions. Website: https://personalrobotics.github.io/IGHAStar/biighastar.html
• Abstract（参考訳）: 計算前動作プリミティブが実現不可能な非構造環境における複雑な力学系に対する効率的なキノダイナミックプランニングの問題に焦点をあてる。 このような問題にA*を直接適用することは、次元の呪いのために計算不可能である。 ハイブリッドA*のような手法は、状態空間を離散化することでこの問題に対処するが、ツリー発見と離散化解決の結合を生み出す。 Incremental Generalized Hybrid A* (IGHA*) は、任意の方法で解像度の階層を探索してこの結合を断ち切る。 しかし、凍結した頂点は特定の反復で解を支持する頂点を探索から隠すことができる。 古典的双方向探索は探索深さの減少によって動機づけられるが、IGHA* を双方向設定(Bi-IGHA* と呼ばれる)に拡張することで、凍結した頂点隠れ解によって引き起こされる挙動を根本的に緩和することで、さらなる利益が得られる。 我々は, Bi-IGHA*がIGHA*のモノトニックコスト改善と終了に対する保証を保っていることを示す。 実験により,Bi-IGHA*はR3,R4,R6計画上の拡張を著しく低減し,高速オフロード自律のためのキノダイナミック計画と等価な閉ループ性能を実現する。 Webサイト: https://personalrobotics.github.io/IGHAStar/biighastar.html

関連論文リスト

• Efficient Penalty-Based Bilevel Methods: Improved Analysis, Novel Updates, and Flatness Condition [51.22672287601796]
  ペナルティに基づく手法は、双レベル最適化(BLO)問題を解くのに人気がある。 それらはしばしば、大きなペナルティ項によって引き起こされる滑らかさの増加に対応するために、低レベル(LL)問題と小さな外ループステップサイズを解決するためにインナーループ反復を必要とする。 この研究は、結合制約(CC)を伴う一般的なBLO問題を考察し、上位変数と下位変数を分離する新しいペナルティ改革を活用する。
  論文  参考訳（メタデータ） (2025-11-20T20:48:14Z)
• Dynamic Parallel Tree Search for Efficient LLM Reasoning [102.16694475391665]
  Tree of Thoughts (ToT) は大規模言語モデル(LLM)推論を強化し、分散木としての問題解決を構造化する。 推論における推論経路を動的に最適化することを目的とした,新しい並列化フレームワークであるDynamic Parallel Tree Search (DPTS)を提案する。 Qwen-2.5とLlama-3のMath500とGSM8Kデータセットによる実験では、DPTSは平均で2-4倍効率が向上した。
  論文  参考訳（メタデータ） (2025-02-22T14:13:37Z)
• MeshA*: Efficient Path Planing With Motion Primitives [1.0550841723235613]
  本研究では,移動可能な動作が環境のグリッド表現に整合した動作プリミティブの有限集合として表現される経路計画問題について検討する。 そこで本研究では,これらの細胞に移動プリミティブの配列を同時に組み込むことによって,グリッドセルを探索する手法を提案する。 得られたアルゴリズムであるMeshA*は、完全性と最適性の保証を確実に保持し、従来の格子ベースの計画よりも顕著に優れていることを示す。
  論文  参考訳（メタデータ） (2024-12-13T18:00:21Z)
• Second-Order Forward-Mode Automatic Differentiation for Optimization [10.783826845783745]
  本稿では,2階の高平面探索を行から$k$次元の高平面への2階の線探索を一般化する新しい最適化ステップとして紹介する。 これはフォワードモード勾配法と組み合わせて、フォワードパスのみからなる2階最適化アルゴリズムが得られる。
  論文  参考訳（メタデータ） (2024-08-19T21:12:41Z)
• Stable Nonconvex-Nonconcave Training via Linear Interpolation [51.668052890249726]
  本稿では,ニューラルネットワークトレーニングを安定化(大規模)するための原理的手法として,線形アヘッドの理論解析を提案する。 最適化過程の不安定性は、しばしば損失ランドスケープの非単調性によって引き起こされるものであり、非拡張作用素の理論を活用することによって線型性がいかに役立つかを示す。
  論文  参考訳（メタデータ） (2023-10-20T12:45:12Z)
• Online Dynamic Submodular Optimization [0.0]
  オンラインバイナリ最適化のための証明可能な性能を持つ新しいアルゴリズムを提案する。 高速な需要応答とリアルタイム分散ネットワーク再構成という2つのパワーシステムアプリケーションでアルゴリズムを数値的にテストする。
  論文  参考訳（メタデータ） (2023-06-19T10:37:15Z)
• Efficient Person Search: An Anchor-Free Approach [86.45858994806471]
  パーソンサーチは、クエリーの人物を、リアルで切り刻まれていない画像から、同時にローカライズし、識別することを目的としている。 この目標を達成するために、最先端モデルは通常、Faster R-CNNのような2段階検出器にre-idブランチを追加する。 本研究では,この課題に対処するためのアンカーフリーな手法を提案する。
  論文  参考訳（メタデータ） (2021-09-01T07:01:33Z)
• Simple and Effective Prevention of Mode Collapse in Deep One-Class Classification [93.2334223970488]
  深部SVDDにおける超球崩壊を防止するための2つの正則化器を提案する。 第1の正則化器は、標準のクロスエントロピー損失によるランダムノイズの注入に基づいている。 第2の正規化器は、小さすぎるとミニバッチ分散をペナライズする。
  論文  参考訳（メタデータ） (2020-01-24T03:44:47Z)

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。