Fugu-MT 論文翻訳(概要): Homotopy-Aware Corridor Generation without Predefined Reference Paths

論文の概要: Homotopy-Aware Corridor Generation without Predefined Reference Paths

arxiv url: http://arxiv.org/abs/2607.29513v1
Date: Fri, 31 Jul 2026 15:15:04 GMT
ステータス: 翻訳完了
システム内更新日: 2026-08-03 14:29:40.778571
Title: Homotopy-Aware Corridor Generation without Predefined Reference Paths
Title（参考訳）: 既定参照パスのないホモトピー対応補正器生成
Abstract要約: 凸集合グラフ上の参照パスフリーな廊下生成フレームワークを提案する。経路から凸集合列への可視的変形を拡張し、トポロジカルに冗長な廊下の融合を可能にする。サンプリングベースファインスケールグラフは局所的な更新をサポートし、可視性ベースの粗いスケールグラフは、コンパクトなグローバルな探索を可能にする。
参考スコア（独自算出の注目度）: 6.550792134492685
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Generating safe corridors is essential for collision-free robotic motion planning, yet most existing methods rely on predefined reference paths, which bias corridor geometry and implicitly limit the homotopy classes that can be explored. We propose a reference-path-free corridor generation framework on graphs of convex sets (GCS) that constructs corridors directly as sequences of convex sets, allowing corridor structure to emerge from the free-space representation rather than from a guiding path. To reason about similarity among corridors, we extend visibility-based deformation from paths to convex-set sequences, enabling the fusion of topologically redundant corridors while preserving distinct alternatives. To overcome the limited adaptability of existing GCS methods based on static global decompositions, we further develop an adaptive multi-scale GCS, in which a sampling-based fine-scale graph supports localized updates and a visibility-based coarse-scale graph enables compact global exploration. The two levels maintain topological consistency, allowing incremental updates without full graph reconstruction under environmental uncertainty. Numerical experiments characterize GCS construction, corridor generation, homotopy-aware exploration, and local updates, showing efficient graph construction, stable trajectory-level performance, and shorter-duration homotopy-aware trajectories than existing baselines. Hardware experiments on ground and aerial robots, including deployment with onboard localization, further validate the framework under translated and previously unknown obstacles.
Abstract（参考訳）: 衝突のないロボットの運動計画には安全な廊下の生成が不可欠であるが、既存のほとんどの手法は事前に定義された基準経路に依存している。本稿では、凸集合の列として直接廊下を構成する凸集合(GCS)のグラフ上の参照パスフリーな廊下生成フレームワークを提案する。廊下間の類似性を推察するため,経路から凸集合列への可視的変形を拡張し,位相的に冗長な廊下の融合を可能にした。静的な大域的分解に基づく既存のGCS手法の限定的適応性を克服するため、サンプリングベースの微細スケールグラフが局所的な更新をサポートし、可視的な粗いスケールのグラフがよりコンパクトな大域的な探索を可能にする適応型マルチスケールGCSを開発した。この2つのレベルはトポロジ的一貫性を維持しており、環境不確実性の下で完全なグラフ再構成なしに漸進的な更新を可能にする。数値実験では,GCS構築,廊下生成,ホモトピー対応探索,局所更新を特徴とし,グラフ構築の効率化,軌道レベルの安定化,および既存のベースラインよりも短い拡散ホモトピー対応軌道を特徴付ける。地上および空中ロボットのハードウェア実験は、搭載されたローカライゼーションによる展開を含む、翻訳および以前は知られていなかった障害物下でのフレームワークの検証をさらに進める。

関連論文リスト

GeoTTER: Leveraging Local Geometry of Optimal Transport for Zero-Shot Classification [6.57308991987631]
GeoTTERはゼロショット分類の領域で最適なトランスポートを再定義する新しいフレームワークである。 OTTERに比べて+6.82%、+2.13%の中央値の改善により、GeoTTERは様々なベンチマークで堅牢な改善を示している。
論文参考訳（メタデータ） (2026-09-11T20:38:54Z)
Escaping the Euclidean Void: Manifold-Informed Flow Matching for Sequential Recommendation [28.629759086187352]
MIRAGEは、シーケンシャルなレコメンデーションで埋め込みを加速するフレームワークである。学習された埋め込み幾何を、変化のない直線的な確率経路の周りで修正する。 MIRAGEは、4つの実世界のデータセットの実験において、最先端のベースラインを一貫して上回る。
論文参考訳（メタデータ） (2026-07-26T17:17:31Z)
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)
LeCropFollow: Latent Space Planning for Navigation in Unstructured Crop Fields [7.898784066160524]
本稿では,視覚ナビゲーションフレームワークLeCropFollowについて述べる。その結果,LeCropFollowは非構造行で最先端のベースラインと一致しているが,プランテーションギャップでは著しく優れていた。これらの結果から,不均一な農業環境下での運用において,潜在計画が幾何的推定に頑健な代替手段となることが示唆された。
論文参考訳（メタデータ） (2026-06-30T16:47:08Z)
Beyond Point-Wise Matching: Structural Representation Alignment for Accelerating Diffusion Transformers [93.3976834364707]
本稿では,特徴写像のリレーショナル幾何における整合性を実現する構造的RePresentation AlignmentフレームワークであるsREPAを提案する。モデルが事前訓練された特徴から全体的空間配置と構造的相関を内包するように促すことにより、sREPAはより高速でより安定した収束を達成する。
論文参考訳（メタデータ） (2026-05-16T12:01:04Z)
Guiding Vector Field Generation via Score-based Diffusion Model [14.390715666696174]
スコア誘導誘導誘導ベクトル場(SGVF)と呼ばれる統合フレームワークを提案する。我々は、単位ノルム性、方向整合性損失、幾何学的忠実度を有する点雲からベクトル場を学習する。このアプローチは、アドホックパスのセグメンテーションへの依存を排除し、分岐や擬多様体のような複雑なトポロジーに沿ったガイダンスを可能にする。
論文参考訳（メタデータ） (2026-04-27T13:55:42Z)
Riemannian Flow Matching for Disentangled Graph Domain Adaptation [51.98961391065951]
グラフドメイン適応(GDA)は典型的には、ユークリッド空間におけるグラフ埋め込みの整列に逆学習を使用する。 DisRFMは、埋め込みとフローベースのトランスポートを統一する幾何学的なGDAフレームワークである。
論文参考訳（メタデータ） (2026-01-31T11:05:35Z)
Fluxamba: Topology-Aware Anisotropic State Space Models for Geological Lineament Segmentation in Multi-Source Remote Sensing [6.815807403335458]
トポロジ対応の機能修正フレームワークを導入した軽量アーキテクチャを提案する。 F Fluxambaは3.4Mパラメータと6.3G FLOPで24FPS以上のリアルタイム推論速度を達成する。
論文参考訳（メタデータ） (2026-01-24T03:55:21Z)
Towards Pre-trained Graph Condensation via Optimal Transport [52.6504753271008]
グラフ凝縮は、元のグラフを小さなグラフに蒸留し、冗長性を緩和し、GNNトレーニングを加速することを目的としている。従来のGCアプローチは、厳格なGNNとタスク固有の監督に大きく依存している。タスク依存GC法とアーキテクチャ依存GC法の限界を超越するために, 最適輸送による事前学習グラフ凝縮(PreGC)を提案する。
論文参考訳（メタデータ） (2025-09-18T08:13:24Z)
GMapLatent: Geometric Mapping in Latent Space [51.317738404571514]
エンコーダ-デコーダAIアーキテクチャに基づくドメイン間の生成モデルは、現実的な画像の生成に大きな注目を集めている。幾何学的マッピングに基づく正準潜在空間表現を導入し、領域間潜在空間を厳密かつ正確に整列する。グレースケールおよびカラー画像の実験は、GMapLatentの有効性、有効性および適用性を検証する。
論文参考訳（メタデータ） (2025-03-30T12:02:36Z)
Curve Your Attention: Mixed-Curvature Transformers for Graph Representation Learning [77.1421343649344]
本稿では,一定曲率空間の積を完全に操作するトランスフォーマーの一般化を提案する。また、非ユークリッド注意に対するカーネル化されたアプローチを提供し、ノード数とエッジ数に線形に時間とメモリコストでモデルを実行できるようにします。
論文参考訳（メタデータ） (2023-09-08T02:44:37Z)

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。