論文の概要: TraversRL: Traversable Pedestrian Pathway Generation With Reinforcement Learning

• arxiv url: http://arxiv.org/abs/2607.17479v1
• Date: Mon, 20 Jul 2026 02:01:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-21 18:48:37.477409
• Title: TraversRL: Traversable Pedestrian Pathway Generation With Reinforcement Learning
• Title（参考訳）: TraversRL: 強化学習によるトラバース可能な歩行者道生成
• Abstract要約: TraversRLは、空中画像から経路ネットワークを反復的に成長させる視覚条件付きモデルである。 最先端のセグメンテーションベースラインに対して、基底トラスグラフでバッファリングされたIoUを大幅に改善する。 また、スプリアスの少ないグラフも生成し、全体的なパフォーマンスをさらに向上する。
• 参考スコア（独自算出の注目度）: 9.862709363688746
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Automatically generating pedestrian pathways from aerial images requires producing a connected network suitable for routing, not just detecting where sidewalks appear. Sidewalks and crossings, in contrast to roads, may be partially occluded, implicitly defined, and exhibit complex connectivity patterns. Existing segmentation-based approaches focus on labeling pixels to infer segments, but often produce disconnected or fragmentary graphs that are unreliable for navigation. We introduce TraversRL, a vision-conditioned model that iteratively grows a pathway network from an aerial image, simulating a traveler navigating the built environment. TraversRL uses an action space of short and long direction-distance segments designed to adapt to complex patterns and span occlusions, and uses a combination of graph-level and step-wise rewards to balance overall connectivity with precise edge placement. Across three visual backbones and three intersection datasets, TraversRL substantially improves buffered IoU with the ground-truth graph relative to a state-of-the-art segmentation baseline, and more than doubles metrics of connectivity. Moreover, combining global and local rewards produces cleaner graphs with fewer spurious branches while further improving overall performance. These results demonstrate that modeling pathway extraction as a sequential decision process from the perspective of a traveler, while optimizing for final graph quality with reinforcement learning, produces significantly more reliable pedestrian networks.
• Abstract（参考訳）: 航空画像から歩行者経路を自動的に生成するには、歩道がどこに現れるかを検出するだけでなく、ルーティングに適した接続ネットワークを作成する必要がある。 歩道や横断歩道は、道路とは対照的に部分的に閉鎖され、暗黙的に定義され、複雑な接続パターンを示すことがある。 既存のセグメンテーションベースのアプローチでは、セグメントを推論するためにピクセルをラベル付けすることに重点を置いている。 そこで我々は,TraversRLを紹介した。TraversRLは,空間イメージから経路ネットワークを反復的に成長させ,構築された環境をナビゲートする旅行者をシミュレートする。 TraversRLは、複雑なパターンに適応し、オクルージョンを網羅するように設計された、短い方向距離セグメントと長い方向距離セグメントのアクション空間を使用し、グラフレベルとステップワイドの報酬を組み合わせて、全体的な接続性と正確なエッジ配置のバランスをとる。 3つの視覚的バックボーンと3つの交叉データセットにわたって、TraversRLは、最先端のセグメンテーションベースラインに対して、グラウントトラスグラフによるバッファリングされたIoUを大幅に改善し、接続性のメトリクスを2倍以上にしている。 さらに、グローバルとローカルの報酬を組み合わせることで、よりクリーンなグラフが生成される。 これらの結果から、旅行者の視点からの逐次決定過程としてのモデリング経路抽出が、強化学習による最終グラフ品質を最適化しつつ、より信頼性の高い歩行者ネットワークを実現することが示唆された。

関連論文リスト

• CrossTracer: Cross-Embodiment Navigation via VLA Model Reasoning and Trace Residuals Adapting [51.52109090141233]
  CrossTracerは、クロスボディナビゲーションのための階層的なフレームワークである。 セマンティック推論と物理接地の間に統一的なピクセル空間インターフェースを形成する。 そこで,NaviTraceベンチマークを用いてCrossTracerの評価を行った。
  論文  参考訳（メタデータ） (2026-08-07T01:24:53Z)
• TrajAware: Graph Cross-Attention and Trajectory-Aware for Generalisable VANETs under Partial Observations [0.5352699766206808]
  我々は、VANETにおけるエッジAIデプロイメント用に設計されたRLベースのフレームワークであるTrajAwareを紹介する。 TrajAwareは、3つのコンポーネントを統合している: (i) アクションスペースプルーニング (i) 冗長な隣り合わせの選択肢を減らす グラフクロスアテンション (ii) プルーニングされた近隣をグローバルなグラフコンテキストにマッピングする トラジェクトリ・アウェア予測 (iii) 履歴経路とジャンクション情報を用いて、部分的な観測下でのリアルタイムな位置を推定する 。 以上の結果から,TrajAwareは制約エッジデバイスに適した効率を維持しつつ,最短経路と高配電率を実現していることがわかった。
  論文  参考訳（メタデータ） (2025-09-08T13:24:21Z)
• MSRFormer: Road Network Representation Learning using Multi-scale Feature Fusion of Heterogeneous Spatial Interactions [18.883574280859147]
  本稿では,新しい道路ネットワーク表現学習フレームワークであるMSRFormerを提案する。 空間流の畳み込みを用いて、大きな軌跡データセットから小さな特徴を抽出する。 道路ネットワークの空間構造を捉えるために,スケール依存の空間相互作用領域を同定する。
  論文  参考訳（メタデータ） (2025-09-06T11:19:13Z)
• 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)
• Homography Guided Temporal Fusion for Road Line and Marking Segmentation [73.47092021519245]
  道路線やマーキングは、移動車両、影、グレアの存在下でしばしば閉鎖される。 本稿では,映像フレームを補足的に利用するHomography Guided Fusion (HomoFusion) モジュールを提案する。 カメラ固有のデータと地上平面の仮定をクロスフレーム対応に利用することにより,高速・高精度性能が向上した軽量ネットワークの実現が期待できることを示す。
  論文  参考訳（メタデータ） (2024-04-11T10:26:40Z)
• Adaptive Hierarchical SpatioTemporal Network for Traffic Forecasting [70.66710698485745]
  本稿では,AHSTN(Adaptive Hierarchical SpatioTemporal Network)を提案する。 AHSTNは空間階層を利用し、マルチスケール空間相関をモデル化する。 2つの実世界のデータセットの実験により、AHSTNはいくつかの強いベースラインよりも優れたパフォーマンスを達成することが示された。
  論文  参考訳（メタデータ） (2023-06-15T14:50:27Z)
• Jointly Contrastive Representation Learning on Road Network and Trajectory [11.613962590641002]
  道路網と軌道表現学習は交通システムにとって不可欠である。 既存の方法では、道路網と軌道を別々に扱うなど、同じスケールでしかコントラストがない。 本稿では,道路網と軌道表現を両立させる統合フレームワークを提案する。
  論文  参考訳（メタデータ） (2022-09-14T03:08:20Z)
• Road detection via a dual-task network based on cross-layer graph fusion modules [2.8197257696982287]
  道路検出のためのデュアルタスクネットワーク(DTnet)と層間グラフ融合モジュール(CGM)を提案する。 CGMは複雑な特徴ストリームグラフによる層間融合効果を改善し、4つのグラフパターンを評価した。
  論文  参考訳（メタデータ） (2022-08-17T07:16:55Z)
• Aerial Images Meet Crowdsourced Trajectories: A New Approach to Robust Road Extraction [110.61383502442598]
  我々は、Cross-Modal Message Propagation Network (CMMPNet)と呼ばれる新しいニューラルネットワークフレームワークを紹介する。 CMMPNetは、モダリティ固有の表現学習のための2つのディープオートエンコーダと、クロスモーダル表現洗練のためのテーラー設計のデュアルエンハンスメントモジュールで構成されている。 実世界の3つのベンチマーク実験により, CMMPNetによる堅牢な道路抽出の有効性が示された。
  論文  参考訳（メタデータ） (2021-11-30T04:30:10Z)
• SPIN Road Mapper: Extracting Roads from Aerial Images via Spatial and Interaction Space Graph Reasoning for Autonomous Driving [64.10636296274168]
  道路抽出は、自律航法システムを構築するための重要なステップである。 この問題に対して単に畳み込みニューラルネットワーク(ConvNets)を使用することは、画像内の道路セグメント間の遠い依存関係をキャプチャする非効率であるため、効果がない。 本研究では,ConvNetに接続した時,特徴写像から投影された空間空間および相互作用空間上に構築されたグラフの推論を行う空間空間グラフ推論(SPIN)モジュールを提案する。
  論文  参考訳（メタデータ） (2021-09-16T03:52:17Z)
• Anchor-free Small-scale Multispectral Pedestrian Detection [88.7497134369344]
  適応型単一段アンカーフリーベースアーキテクチャにおける2つのモードの効果的かつ効率的な多重スペクトル融合法を提案する。 我々は,直接的境界ボックス予測ではなく,対象の中心と規模に基づく歩行者表現の学習を目指す。 その結果,小型歩行者の検出における本手法の有効性が示唆された。
  論文  参考訳（メタデータ） (2020-08-19T13:13:01Z)
• DiResNet: Direction-aware Residual Network for Road Extraction in VHR Remote Sensing Images [12.081877372552606]
  主に3つのコントリビューションを含む方向対応残差ネットワーク(DiResNet)を提案する。 提案手法は総合精度とF1スコアの両方に利点がある。
  論文  参考訳（メタデータ） (2020-05-14T19:33:21Z)

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。