論文の概要: RRT-Rope: A deterministic shortening approach for fast near-optimal path planning in large-scale uncluttered 3D environments

• arxiv url: http://arxiv.org/abs/2606.31948v1
• Date: Tue, 30 Jun 2026 16:54:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-01 18:27:19.319187
• Title: RRT-Rope: A deterministic shortening approach for fast near-optimal path planning in large-scale uncluttered 3D environments
• Title（参考訳）: RRT-Rope:大規模非散在3次元環境における高速近最適経路計画のための決定論的短縮手法
• Abstract要約: 高速探索型ランダムツリー (RRT) アルゴリズムは,確率論的完全性や実現可能な経路の探索の迅速性から人気がある。 RRTのショートカットは、RTの亜種より優れていることが証明された古いアイデアである。 本稿では,RRT-Ropeという手法を提案する。
• 参考スコア（独自算出の注目度）: 4.297070083645049
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Many path planning algorithms have been introduced so far, but most are costly, in path cost and in processing time, in large-scale uncluttered 3D environments such as underground mining stopes explored by an unmanned aerial vehicle (UAV). Rapidly-exploring Random Tree (RRT) algorithms are popular because of their probabilistic completeness and rapidity in finding a feasible path in single-query problems. Many of the algorithms (e.g. Informed RRT*, RRT#) developed to improve RRT need considerable time to converge in large environments. Shortcutting an RRT is an old idea that has been proven to outperform RRT variants. This paper introduces a new method, RRT-Rope, that aims at finding a near-optimal solution in a drastically shorter amount of time. The proposed approach benefits from fast computation of a feasible path with an altered version of RRT-connect, and post-processes it quickly with a deterministic shortcutting technique, taking advantage of intermediate nodes added to each branch of the tree. This paper presents simulations and statistics carried out to show the efficiency of RRT-Rope, which gives better results in terms of path cost and computation time than other popular RRT variations and shortening techniques in all our simulation environments, and is up to 70% faster than the next best algorithm in a representative stope.
• Abstract（参考訳）: これまでに多くの経路計画アルゴリズムが導入されたが、そのほとんどは、無人航空機(UAV)によって探索された地下の採掘停止(英語版)のような大規模で散在した3D環境において、パスコストと処理時間で費用がかかる。 高速探索型ランダムツリー (RRT) アルゴリズムは,確率論的完全性と単一クエリ問題における実現可能な経路の探索の迅速性から人気がある。 RRTの改良のために開発されたアルゴリズム(例えば Informed RRT*, RRT#)の多くは、大規模な環境で収束するのにかなり時間がかかる。 RRTのショートカットは、RTの亜種より優れていることが証明された古いアイデアである。 本稿では,RRT-Ropeという手法を提案する。 提案手法はRTR接続の修正版で実現可能な経路を高速に計算し,木の各枝に付加される中間ノードを利用して決定論的ショートカット手法で後処理する。 本稿では,RT-Ropeの効率性を示すために実施されたシミュレーションと統計について述べる。この手法は,他のRRTの変分および短縮技術と比較して,経路コストや計算時間を向上し,次の最良アルゴリズムよりも最大70%高速である。

関連論文リスト

• Process Reward Informed Tree Rollout for Effective Multi-Turn RL [58.392997761968566]
  長期のエージェントタスクでは、均一なロールアウト戦略は、非形式的なデッドエンドの試みに予算を無駄にする可能性がある。 本稿では,マルチターンエージェントRLの品質を意識したロールアウトフレームワークであるProcess-Scorer Guided Adaptive Tree Rollout (PATR)を提案する。 PATRはタスクに適したプロセスフィードバックを使用して部分的軌跡をスコアし、将来性のある状態から選択的に分岐し、共有プレフィックスを再利用し、無駄なサンプリングを減らすために経路を保守的に停止する。
  論文  参考訳（メタデータ） (2026-07-17T04:16:58Z)
• Performance Comparison of Classical and Neural Sampling Algorithms for Robotic Navigation [0.0]
  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。
  論文  参考訳（メタデータ） (2026-05-24T11:27:31Z)
• 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)
• 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)
• Truncating Trajectories in Monte Carlo Policy Evaluation: an Adaptive Approach [51.76826149868971]
  モンテカルロシミュレーションによる政策評価は多くのMC強化学習(RL)アルゴリズムの中核にある。 本研究では,異なる長さの軌跡を用いた回帰推定器の平均二乗誤差のサロゲートとして品質指標を提案する。 本稿では,Robust and Iterative Data Collection Strategy Optimization (RIDO) という適応アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-10-17T11:47:56Z)
• Finding Transformer Circuits with Edge Pruning [71.12127707678961]
  自動回路発見の効率的かつスケーラブルなソリューションとしてエッジプルーニングを提案する。 本手法は,従来の手法に比べてエッジ数の半分未満のGPT-2の回路を探索する。 その効率のおかげで、Edge PruningをCodeLlama-13Bにスケールしました。
  論文  参考訳（メタデータ） (2024-06-24T16:40:54Z)
• 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)
• Communication-Efficient Adam-Type Algorithms for Distributed Data Mining [93.50424502011626]
  我々はスケッチを利用した新しい分散Adam型アルゴリズムのクラス(例:SketchedAMSGrad)を提案する。 我々の新しいアルゴリズムは、反復毎に$O(frac1sqrtnT + frac1(k/d)2 T)$の高速収束率を$O(k log(d))$の通信コストで達成する。
  論文  参考訳（メタデータ） (2022-10-14T01:42:05Z)
• Post Triangular Rewiring Method for Shorter RRT Robot Path Planning [3.680403821470857]
  「三角修正後」は計画時間の犠牲を最小限に抑える。 これは、Rapidly-Exploring Random Tree (RRT)アルゴリズムのようなサンプリングベースアルゴリズムの最適性の限界を克服する。
  論文  参考訳（メタデータ） (2021-07-12T12:10:37Z)
• Rotation Coordinate Descent for Fast Globally Optimal Rotation Averaging [47.3713707521106]
  回転座標降下 (RCD) と呼ばれる世界最適性を実現する高速アルゴリズムを提案する。 半定値行列を行ごと更新することでSDPを解くブロック座標降下(BCD)とは異なり、RCDは繰り返しを通して全ての有効な回転を直接維持・更新する。 我々は数学的にアルゴリズムの収束を証明し、最先端のグローバル手法よりも優れた効率を示す。
  論文  参考訳（メタデータ） (2021-03-15T11:31:34Z)
• Conditional Generative Adversarial Networks for Optimal Path Planning [30.892250698479064]
  条件付き生成逆数ネットワーク(CGAN)と修正RT*アルゴリズム(CGANRRT*で記述)に基づく新しい学習経路計画アルゴリズムを提案する。 CGANモデルは、地上の真理マップから学習することで訓練され、それぞれがRRTアルゴリズムの実行結果を1つの生地図上で50回行った結果から生成される。 CGAN-RRT* アルゴリズムと従来の RRT* アルゴリズムを比較することで,この CGAN モデルの有効性を実証する。
  論文  参考訳（メタデータ） (2020-12-06T02:53:50Z)
• AM-RRT*: Informed Sampling-based Planning with Assisting Metric [3.42658286826597]
  複雑な動的環境下でのオンラインパス計画のためのRRT*とRT-RRT*を拡張する新しいアルゴリズムを提案する。 提案手法はRTRに基づくサンプリング手法を拡張して,障害物のある環境における性能向上のためのアシスト距離測定値の活用を可能にする。
  論文  参考訳（メタデータ） (2020-10-28T01:39:40Z)
• RNN Training along Locally Optimal Trajectories via Frank-Wolfe Algorithm [50.76576946099215]
  小領域の損失面に局所的なミニマを反復的に求めることにより,RNNの新規かつ効率的なトレーニング手法を提案する。 新たなRNNトレーニング手法を開発し,追加コストを伴っても,全体のトレーニングコストがバックプロパゲーションよりも低いことを実証的に観察した。
  論文  参考訳（メタデータ） (2020-10-12T01:59:18Z)

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。