論文の概要: StratMamba: Strategic and Reactive Stream Partitioning for Path-Efficient LiDAR-Based Obstacle Avoidance
- arxiv url: http://arxiv.org/abs/2607.12370v1
- Date: Tue, 14 Jul 2026 05:42:28 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-15 17:08:30.043839
- Title: StratMamba: Strategic and Reactive Stream Partitioning for Path-Efficient LiDAR-Based Obstacle Avoidance
- Title（参考訳）: StratMamba: パス効率の良いLiDARベースの障害物回避のためのストラテジックおよびリアクティブストリーム分割
- Abstract要約: StratMambaはデュアルストリームのMambaベースの時間モデリングアーキテクチャである。
また、StratMambaは、タイムアウト率の低い例外的な時間的推論効率を実現していることを示す。
実世界の評価では、StratMambaはバニラのMambaやTransformerに比べてLiDARの範囲でより堅牢なパフォーマンスを維持している。
- 参考スコア（独自算出の注目度）: 7.085376099128967
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This paper proposes StratMamba, a dual-stream Mamba-based temporal modeling architecture, to more efficiently capture long-horizon temporal dependencies required for robot navigation in complex and obstacle-rich environments. StratMamba leverages a combination of fast-decay and slow-decay memory architectures, where the fast-decay component processes high-frequency LiDAR data for reactive obstacle avoidance, while the slow-decay component maintains longer-horizon goal information for strategic planning. We perform extensive evaluations of different obstacle avoidance scenarios in IsaacLab and Gazebo, while also validating successful sim-to-real deployment on a Unitree GO1 quadruped robot navigating in the presence of static/dynamic obstacles. Comparisons with other temporal RL baselines, such as LSTM, Transformer, and Vanilla-Mamba, show that our StratMamba achieves exceptional temporal reasoning efficiency with a lower timeout rate, while maintaining the fastest navigation speed (576 median steps, 5.0% better than Vanilla-Mamba). It also achieves the highest path optimality (0.915 path efficiency) across all baselines. Real-world evaluation reveals that StratMamba maintains more robust performance across extended LiDAR ranges compared to vanilla Mamba and the Transformer, demonstrating that dual-stream partitioning effectively balances reactive safety with strategic navigation under challenging sensing conditions.
- Abstract（参考訳）: 本稿では,マルチストリーム型マンバ型時間モデルアーキテクチャであるStratMambaを提案する。
StratMambaは、高速遅延と低遅延メモリアーキテクチャの組み合わせを活用し、高速遅延コンポーネントは、リアクティブ障害回避のために高周波LiDARデータを処理し、低遅延コンポーネントは戦略計画のための長期目標情報を保持している。
我々はIsaacLabとGazeboの異なる障害物回避シナリオを広範囲に評価するとともに、静的・動的障害物の存在下で移動するUnitree GO1四足歩行ロボットのシミュ---リアル展開を成功裏に検証した。
LSTMやTransformer、Vanilla-Mambaといった他の時間的RLベースラインと比較すると、我々のStratMambaは、最速の航法速度(576歩、Vanilla-Mambaより5.0%)を維持しながら、より低いタイムアウトレートで例外的な時間的推論効率を達成する。
また、全てのベースラインで最高経路最適性(0.915パス効率)を達成する。
実世界の評価では、StratMambaは、バニラのMambaやTransformerと比較して、LiDARの範囲でより堅牢なパフォーマンスを維持しており、デュアルストリームのパーティショニングは、困難な検知条件下で、リアクティブな安全性と戦略的ナビゲーションとを効果的にバランスさせることを示した。
関連論文リスト
- Hybrid Artificial Potential Fields and Spatio-Temporal Transformers for Real-Time AUV Path Planning [0.0]
本稿では,自律型水中車両(AUV)の経路計画アルゴリズムの比較評価を行う。
人工電位場 (APF) と時空間変圧器 (ST) を組み合わせたハイブリッド方式が提案されている。
ハイブリッドAPF+ST変換器は、最も短い平均経路長(943.15単位)、低い衝突速度(0.031単位)、効率的な計算時間(0.96秒)を達成し、バランスの良い性能を示した。
論文 参考訳（メタデータ） (2026-07-27T20:34:33Z) - RAVEN: Reinforcement-Adaptive Visibility-Graph Planning for Robust Humanoid Navigation with Collision-Free MPC [11.923992019929495]
本稿では,ロバストなヒューマノイドナビゲーションのための階層型強化学習フレームワークであるRAVENを提案する。
RAVENは、障害物インフレーションと関連するグラフパラメータを変更することで、可視グラフプランナーの幾何学的構成にRLを適用する。
その結果、障害物近傍でのオーバーシュートを低減し、狭い通路でのロバスト性を向上し、遅延と騒音下でのより信頼性の高い航法が示された。
論文 参考訳（メタデータ） (2026-07-17T07:23:54Z) - AMBUSH: Collaborative Capture in Complex Environments with Neural Acceleration [8.711548894933875]
動的標的の協調捕獲は、自然界において弱い種が強い種に対して重要な戦略として一般的である。
有名なアンブッシュの戦略だけでは、複数の遅い追撃者がより速いエバダを捕獲するのに十分である。
長期計画を通じて関連するパラメータを最適化するために,Hybrid Monte Carlo Tree Search (H-MCTS)アルゴリズムを提案する。
ニューラルネットワークアクセラレーションはオフラインでトレーニングされ、さまざまな環境におけるパラメータの選択のランク付けを学び、スコアを直接予測する。
論文 参考訳（メタデータ） (2026-07-01T14:59:28Z) - RAY-TOLD: Ray-Based Latent Dynamics for Dense Dynamic Obstacle Avoidance with TDMPC [5.838266102141284]
RAY-TOLDは、障害情報を潜在力学に統合するハイブリッド制御アーキテクチャである。
本稿では,MPPI候補人口を学習方針から派生した軌道で増加させる政策混合サンプリング戦略を提案する。
その結果、短時間の水平物理学に基づくロールアウトと学習された長い水平意図を組み合わせることで、ナビゲーションの信頼性と安全性が著しく向上することが確認された。
論文 参考訳（メタデータ） (2026-04-30T05:44:46Z) - TopoCurate:Modeling Interaction Topology for Tool-Use Agent Training [53.93696896939915]
訓練用ツール使用エージェントは一般的に、パスレート選択されたタスクに対して、軌道変更の成功と強化学習(RL)に依存している。
TopoCurateは,同一タスクから多段階的なロールアウトを統一的な意味的商トポロジに投影する対話型フレームワークである。
TopoCurateは最先端のベースラインに対して4.2%(SFT)と6.9%(RL)という一貫したゲインを達成している。
論文 参考訳（メタデータ） (2026-03-02T10:38:54Z) - Spatio-Temporal Token Pruning for Efficient High-Resolution GUI Agents [10.559617160878227]
GUIPrunerは、高解像度のGUIナビゲーションに適したトレーニング不要のフレームワークである。
時間分解能(TAR)とSSP(Stratified Structure-Aware Pruning)の相乗効果
常に最先端の性能を達成し、高解像度圧縮下での大規模モデルで観測される崩壊を効果的に防止する。
論文 参考訳（メタデータ） (2026-02-26T17:12:40Z) - AsyncVLA: An Asynchronous VLA for Fast and Robust Navigation on the Edge [49.66156306240961]
高レイテンシは制御ループを壊し、リアルタイムデプロイメントでは安全でない強力なモデルをレンダリングする。
リアクティブ実行からセマンティック推論を分離する非同期制御フレームワークであるAsyncVLAを提案する。
AsyncVLAは、最先端のベースラインよりも40%高い成功率を達成する。
論文 参考訳（メタデータ） (2026-02-13T21:31:19Z) - Towards Robust and Generalizable Continuous Space-Time Video Super-Resolution with Events [71.2439653098351]
連続時空ビデオスーパーSTVSRは、高解像度で高フレームのビデオを任意の時間スケールで再構成する能力への関心が高まっている。
EvEnhancerは、イベントストリームにカプセル化された高時間および高ダイナミックレンジのユニークな特性を結合する新しいアプローチである。
提案手法は,OODスケールでの一般化性を維持しつつ,合成および実世界の両方のデータセット上での最先端性能を実現する。
論文 参考訳（メタデータ） (2025-10-04T15:23:07Z) - Exploring Non-Local Spatial-Angular Correlations with a Hybrid Mamba-Transformer Framework for Light Field Super-Resolution [68.54692184478462]
マンバ法は光画像超解像の計算コストと性能を最適化する大きな可能性を示している。
本稿では,より効率的かつ正確な特徴抽出を実現するために,Subspace Simple Mamba Block (SSMB) を設計したSubspace Simple Scanning (Sub-SS) 戦略を提案する。
また,空間角・異質情報の保存における状態空間の制限に対処する二段階モデリング手法を提案する。
論文 参考訳（メタデータ） (2025-09-05T05:50:38Z) - Vision-Based Deep Reinforcement Learning of UAV Autonomous Navigation Using Privileged Information [6.371251946803415]
DPRLは、部分的に観測可能な環境下での高速無人無人飛行の課題に対処するために設計されたエンドツーエンドのポリシーである。
非対称なアクター・クライブアーキテクチャを利用して、トレーニング中にエージェントに特権情報を提供する。
我々は、DPRLアルゴリズムを最先端のナビゲーションアルゴリズムと比較し、様々なシナリオにまたがって広範なシミュレーションを行う。
論文 参考訳（メタデータ） (2024-12-09T09:05:52Z) - 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) - Optical-Flow-Reuse-Based Bidirectional Recurrent Network for Space-Time
Video Super-Resolution [52.899234731501075]
時空間ビデオ超解像(ST-VSR)は、与えられたビデオの空間解像度とフレームレートを同時に増加させる。
既存の手法は通常、近隣の幅広いフレームからの情報を効率的に活用する方法の難しさに悩まされる。
本稿では,隣接するフレーム間の知識を活用するために,ConvLSTMの代わりに粗大な双方向リカレントニューラルネットワークを提案する。
論文 参考訳（メタデータ） (2021-10-13T15:21:30Z)
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。