論文の概要: Reasonable Motion: A General ASP Foundation for Environment Constrained Movement Trajectory Computation

• arxiv url: http://arxiv.org/abs/2606.25626v1
• Date: Wed, 24 Jun 2026 09:34:24 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-25 17:05:30.296478
• Title: Reasonable Motion: A General ASP Foundation for Environment Constrained Movement Trajectory Computation
• Title（参考訳）: Reasonable Motion:環境制約運動軌跡計算のためのASP基盤
• Abstract要約: 本稿では,オブジェクトを現実の環境で移動させるための制約付き分岐軌道モードを計算するための,一般解集合プログラミングに基づくハイブリッド量修飾法を提案する。 適用性を示し、計算された軌跡が基盤となる安定モデルにどのようにトレース可能であるかを強調し、純粋に学習されたアプローチでは提供できない解釈可能性を与える。
• 参考スコア（独自算出の注目度）: 2.258835270146628
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: We present a general answer set programming based hybrid quantitative-qualitative method for computing constrained branching trajectory modes for moving objects in real-world settings. The method performs constrained traversal of an environment graph, enumerating geometrically admissible motion behaviours as stable models, each constituting a distinct trajectory mode characterised by both domain-dependent and independent factors such as derived event sequence, map topology, and domain norms. The hybrid trajectory computation method is generally applicable across motion characteristics typically encountered in diverse dynamic domains with moving objects, e.g., autonomous driving. We demonstrate applicability and highlight how computed trajectories are traceable to their underlying stable model, thereby affording verifiable interpretability that purely learned approaches cannot provide. We also perform an empirical evaluation with Argoverse 2, a large-scale real-world autonomous driving benchmark representative of the class of dynamic domains within the scope of the proposed method.
• Abstract（参考訳）: 本稿では,オブジェクトを現実の環境で移動させるための制約付き分岐軌道モードを計算するための,一般解集合プログラミングに基づくハイブリッド量修飾法を提案する。 本手法は、環境グラフの制約付きトラバースを行い、幾何学的に許容される動作挙動を安定なモデルとして列挙し、それぞれが、派生イベントシーケンス、マップトポロジー、ドメインノルムなどのドメイン依存および独立要因によって特徴づけられる異なる軌道モードを構成する。 ハイブリッド軌道計算法は、移動物体を持つ様々な動的領域で典型的に発生する運動特性、例えば自律走行などに適用できる。 適用性を示し、計算された軌跡が基盤となる安定モデルにどのようにトレース可能であるかを強調し、純粋に学習されたアプローチでは提供できない検証可能な解釈可能性を与える。 また,提案手法の範囲内での動的領域のクラスを表す大規模実世界の自律運転ベンチマークArgoverse 2を用いて実験的な評価を行った。

関連論文リスト

• Learning Smooth SE(3) Trajectories under Left-Invariant Riemannian Metrics [11.609667074830412]
  本稿では,リー群上のSE(3)上の高次スムーズな軌道を近似するための学習に基づくフレームワークを提案する。 提案フレームワークは,多様なメートル法構造と運動条件をまたいだ一般化を可能にする。 提案手法の実用的応用として,多種多様な動きプリミティブをリアルタイムに生成する手法と,四重項飛行のための改良手法について述べる。
  論文  参考訳（メタデータ） (2026-08-03T00:40:03Z)
• AutoPath: Learning Transferable Goal-Conditioned Stochastic Path Prior for Safe Navigation Without Human Demonstrations [103.61864552260316]
  動的環境におけるリアルタイムナビゲーションは、限られた知覚下での衝突のない、動的に実現可能な動きを必要とする。 我々は,移動可能な目標整合経路の学習としてナビゲーションを定式化し,局所的な観測に基づいて,目標整合な局所経路上の再利用可能な分布をモデル化する。 我々は、幾何対応の極性行動多様体を用いて局所経路をパラメータ化し、安定かつ安全対応の計画のためのマルチゴール分散ロールアウトによるリスク感応性ユーティリティシェーピングを含む構造化された事前学習フレームワークを開発した。
  論文  参考訳（メタデータ） (2026-07-13T16:00:41Z)
• Topological Flow Matching [56.16372813551555]
  フローマッチングは強力な生成モデリングフレームワークであり、そのシンプルさと強力な経験的パフォーマンスに価値がある。 トポロジカルフローマッチング(トポロジカルフローマッチング)は,トポロジカルフローマッチングの一般化である。 脳のfMRI、海流、地震イベント、交通流など、さまざまな構造化されたデータセットに対して、その効果を実証する。
  論文  参考訳（メタデータ） (2026-06-14T16:29:33Z)
• HEAT: Heterogeneous End-to-End Autonomous Driving via Trajectory-Guided World Models [50.18051979020699]
  エンドツーエンドの自動運転は、従来のモジュラーパイプラインに代わる魅力的な代替手段として登場した。 本稿では,計画軌道に関する学習を組織する軌道駆動学習パラダイムを提案する。 一つの統一モデルが、各ドメイン内で強いパフォーマンスを維持しながら、異種データセット上でトレーニング可能であることを示す。
  論文  参考訳（メタデータ） (2026-05-19T10:12:01Z)
• Discrete Diffusion for Reflective Vision-Language-Action Models in Autonomous Driving [55.13109926181247]
  離散拡散による安全な軌道生成のためのリフレクション機構を統合した学習ベースのフレームワークであるReflectDriveを紹介する。 我々のアプローチの中心は、勾配のない反復的な自己補正を行う、安全を意識した反射機構である。 本手法は目標条件付き軌道生成から始まり,マルチモーダル運転動作をモデル化する。
  論文  参考訳（メタデータ） (2025-09-24T13:35:15Z)
• Forecasting Continuous Non-Conservative Dynamical Systems in SO(3) [51.510040541600176]
  コンピュータビジョンにおける移動物体の回転をモデル化するための新しい手法を提案する。 我々のアプローチは、入力ノイズに対して頑健でありながら、エネルギーと運動量保存に非依存である。 トレーニング中の雑音状態から物体のダイナミクスを近似させることで、シミュレーションや様々な現実世界の設定において頑健な外挿能力が得られる。
  論文  参考訳（メタデータ） (2025-08-11T09:03:10Z)
• Stable Attractors for Neural networks classification via Ordinary Differential Equations (SA-nODE) [0.9786690381850358]
  プリオリは、予め割り当てられた固定安定なアトラクタのセットに対応するように構成されている。 分類を行う固有の能力は、ターゲットの安定なアトラクションのそれぞれに関連するアトラクションの形状の盆地に反映される。 この手法は最先端のディープラーニングアルゴリズムの性能には達しないが、解析的相互作用項を閉じた連続力学系が高性能な分類器として機能することを示す。
  論文  参考訳（メタデータ） (2023-11-17T08:30:41Z)
• Neural Field Dynamics Model for Granular Object Piles Manipulation [12.452569633458037]
  粒状材料操作のための学習に基づく動的モデルを提案する。 流体力学で一般的に使用されるユーレリア的アプローチに着想を得て,本手法は完全な畳み込みニューラルネットワークを採用する。
  論文  参考訳（メタデータ） (2023-11-01T19:36:56Z)
• Clustering Human Mobility with Multiple Spaces [8.076957089365676]
  本稿では,移動行動検出のための新しいモビリティクラスタリング手法を提案する。 提案手法は変分オートエンコーダアーキテクチャを用いて,潜在空間と原空間の両方でクラスタリングを同時に行う。 実験の結果,提案手法はトラジェクトリからの移動行動検出において,より精度が高く,解釈性も向上した。
  論文  参考訳（メタデータ） (2023-01-20T12:02:30Z)
• Neural Motion Fields: Encoding Grasp Trajectories as Implicit Value Functions [65.84090965167535]
  本稿では,ニューラルネットワークによってパラメータ化される暗黙的値関数として,オブジェクト点群と相対的タスク軌跡の両方を符号化する新しいオブジェクト表現であるNeural Motion Fieldsを提案する。 このオブジェクト中心表現は、SE(3)空間上の連続分布をモデル化し、サンプリングベースのMPCを利用して、この値関数を最適化することで、反応的に把握することができる。
  論文  参考訳（メタデータ） (2022-06-29T18:47:05Z)
• Scalable nonparametric Bayesian learning for heterogeneous and dynamic velocity fields [8.744017403796406]
  速度場データの不均一および動的パターンを学習するモデルを開発した。 複雑な多車間相互作用のNGSIMデータセットに対して,本手法の有効性を示す。
  論文  参考訳（メタデータ） (2021-02-15T17:45:46Z)
• Modeling Stochastic Microscopic Traffic Behaviors: a Physics Regularized Gaussian Process Approach [1.6242924916178285]
  本研究では,実世界のランダム性を捉え,誤差を計測できる微視的交通モデルを提案する。 提案フレームワークの特長の一つは,自動車追従行動と車線変更行動の両方を1つのモデルで捉える能力である。
  論文  参考訳（メタデータ） (2020-07-17T06:03:32Z)
• Euclideanizing Flows: Diffeomorphic Reduction for Learning Stable Dynamical Systems [74.80320120264459]
  本研究では、限られた数の人間の実演からそのような動きを学ぶためのアプローチを提案する。 複素運動は安定な力学系のロールアウトとして符号化される。 このアプローチの有効性は、確立されたベンチマーク上での検証と、現実世界のロボットシステム上で収集されたデモによって実証される。
  論文  参考訳（メタデータ） (2020-05-27T03:51:57Z)

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。