論文の概要: StochSIPP: Safe Interval Path Planning in Stochastic Dynamic Environments
- arxiv url: http://arxiv.org/abs/2608.00792v1
- Date: Sat, 01 Aug 2026 17:49:37 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-04 15:07:24.907476
- Title: StochSIPP: Safe Interval Path Planning in Stochastic Dynamic Environments
- Title（参考訳）: StochSIPP:確率的動的環境における安全なインターバルパス計画
- Abstract要約: StochSIPPは、時間的ロードマップの正確な初期プランナーである。
認定された安全マクロアクションを生成し、次の観察またはゴールで終了する。
ロードマップと地平線内での到着時間を最小限にします。
- 参考スコア（独自算出の注目度）: 5.420427804064936
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Safe navigation under uncertain time-dependent blockage requires anticipating observations before committing to motion. We present StochSIPP, an exact contingent planner for temporal roadmaps with uncertain edge and vertex statuses revealed locally during execution. StochSIPP uses SIPP to generate certified-safe macro-actions that terminate at the next observation or the goal, and bounded AND/OR search over a cached action--observation graph to select actions for every reachable observation outcome. Optimistic and robust SIPP relaxations provide admissible lower and upper bounds for bounded AND/OR search. When every interval declared deterministically safe is truly safe, sensing is exact, and execution follows the planned timing, the resulting policy is provably collision-free. With correct independent probabilities and complete action and outcome generation, it minimizes expected arrival time within the roadmap and horizon. Experiments on controlled roadmap instances show that StochSIPP preserves the observed success of safe fixed-path baselines while reducing arrival time, and solves gated scenarios in which conservative fixed-path planners return no plan. A scalability study further reveals rapid growth as the number of simultaneously observed uncertain statuses increases.
- Abstract（参考訳）: 不確実な時間依存的封鎖の下での安全なナビゲーションは、動きにコミットする前に観測を期待する必要がある。
実行中, エッジと頂点の状態が不確かで, 時間的ロードマップの正確な作成プランナーであるStochSIPPを提示する。
StochSIPPはSIPPを使用して、次の観測またはゴールで終了する認証済みのマクロアクションを生成し、キャッシュされたアクション-オブザーブレーショングラフをバウンドし、到達可能なすべての観測結果に対するアクションを選択する。
最適かつ堅牢なSIPP緩和は、有界なAND/OR探索に対して許容される下限と上限を与える。
決定的に安全であると宣言されたすべての区間が真に安全であり、センシングは正確であり、実行は計画されたタイミングに従っている場合、結果のポリシーは確実に衝突しない。
適切な独立した確率と完全なアクションと結果の生成によって、ロードマップと地平線内での期待到着時間を最小化する。
制御されたロードマップインスタンスの実験では、StochSIPPは安全な固定パスベースラインの観測成功を保ちながら到着時間を短縮し、保守的な固定パスプランナがプランを返さないようなゲートシナリオを解決する。
スケーラビリティの研究により、同時に観察される不確実な状態の数が増加するにつれて、急速な成長が明らかになる。
関連論文リスト
- FutureRTC: Real-Time Robot Execution with Anticipatory-Conditioned Action Chunking [51.97839311685636]
FutureRTCは、実行時の観察と非同期VLA制御の状態を予測するためのプラグイン・アンド・プレイ適応フレームワークである。
FutureRTCは推論遅延に対する堅牢性を実現し,よりスムーズな軌道,高速な実行,一貫したタスク成功率を実現している。
論文 参考訳（メタデータ） (2026-07-27T05:10:16Z) - Continuous-Time Gaussian Belief Trees for Motion Planning [12.755527639646381]
プロセス中の連続時間システムのサンプリングに基づく動作計画と測定の不確実性に対処する。
我々は、測定間の連続時間ODEに基づいて、その信念が進化する、オフラインなハイブリッドな信念伝播モデルを導出する。
安全を確保するため,セグメンテーションレベルの確率的検証のための確信バリア機能に基づく安全チェッカーを導入する。
論文 参考訳（メタデータ） (2026-07-03T02:29:42Z) - From Prediction Uncertainty to Conformalized Distance Fields for Safe Motion Planning [9.50741434664352]
既存のコンフォメーションアプローチは、障害物ごとの予測誤差を集計するスカラースコアに適合する。
代わりに、予測距離場全体を同時に整列する。
この関数共形予測フレームワークは、分布自由で、フィールドレベルの低い境界をもたらす。
論文 参考訳（メタデータ） (2026-07-01T11:02:51Z) - Active Timepoint Selection for Learning Measure-Valued Trajectories [55.49809248697036]
スナップショットから連続確率パスを推定することは、単細胞生物学のような領域における根本的な課題である。
スパース測度空間にアクティブな実験を拡張するフレームワークを導入する。
これにより、不確実性を最小限に抑えるために測定時間を反復的に選択する取得ポリシーが得られる。
論文 参考訳（メタデータ） (2026-05-28T22:22:35Z) - Chance-Constrained MPPI under State and Dynamic Object Prediction Uncertainty and the Evaluation of Collision Risk Calibration [1.8352113484137627]
自律ナビゲーションのためのリアルタイム・リスク対応計画アーキテクチャを提案する。
このフレームワークは、1管の Unscented Transform (UT) 近似によるローカライゼーションの不確実性とモンテカルロ凝集による動的障害物予測の不確実性を統合する。
高度に散らばった環境では、DUCCT-MPPIは優れた堅牢性を達成し、確立されたモンテカルロMPPIベースラインを約28%上回った。
論文 参考訳（メタデータ） (2026-05-27T11:32:05Z) - Branch-Stochastic Model Predictive Control for Motion Planning under Multi-Modal Uncertainty with Scenario Clustering [4.456206353869196]
本稿では,SMPCと分岐構造を組み合わせた新しい手法を提案する。
高レベルの決定類似性に基づいて予測シナリオをマージし,リアルタイムのトラクタビリティを確保するために,新たなシナリオクラスタリングを提案する。
高速道路のシナリオにおけるシミュレーション研究は,提案手法が安全性を向上し,保守性を低下させ,リアルタイムな計算性能を実現することを実証している。
論文 参考訳（メタデータ） (2026-05-21T15:15:16Z) - Probabilistic Recursively Feasible Motion Planning Under Uncertain Environments [5.47494170074467]
本稿では,確率的再帰的モデル予測制御(PRF-MPC)フレームワークを提案する。
この分析に基づいて,現在の安全集合が将来の安全集合に含まれることを高い確率で保証する安全制約を構築する。
論文 参考訳（メタデータ） (2026-05-18T18:35:37Z) - Action-Conditioned Risk Gating for Safety-Critical Control under Partial Observability [79.08785366532287]
部分観測可能性下でのリスク感応制御のための軽量なリスクゲート強化学習近似を提案する。
安全クリティカルな部分観測可能な2つの領域 – 自動グルコース調節と安全制約ナビゲーション – でアプローチを評価した。
論文 参考訳（メタデータ） (2026-05-14T01:23:09Z) - Stopping Rules for Stochastic Gradient Descent via Anytime-Valid Confidence Sequences [51.56484100374058]
凸最適化のための勾配降下(SGD)の停止規則について検討した。
我々は、投影されたSGDの重み付き平均準最適度に対して、任意の有意、データ依存の高信頼シーケンスを開発する。
これらは、厳格でタイムユニフォームなパフォーマンス保証と、有限時間$varepsilon$-optimality証明書である。
論文 参考訳（メタデータ） (2025-12-15T09:26:45Z) - Score Matching-based Pseudolikelihood Estimation of Neural Marked
Spatio-Temporal Point Process with Uncertainty Quantification [59.81904428056924]
我々は、不確実な定量化を伴うmarkPsを学習するためのスコアMAtching推定器であるSMASHを紹介する。
具体的には,スコアマッチングによるマークPsの擬似的類似度を推定することにより,正規化自由度を推定する。
提案手法の優れた性能は、事象予測と不確実性定量化の両方において広範な実験によって実証される。
論文 参考訳（メタデータ） (2023-10-25T02:37:51Z) - Robust and Adaptive Temporal-Difference Learning Using An Ensemble of
Gaussian Processes [70.80716221080118]
本稿では、時間差学習(TD)による政策評価の世代的視点について考察する。
OS-GPTDアプローチは、状態-逆ペアのシーケンスを観測することにより、与えられたポリシーの値関数を推定するために開発された。
1つの固定カーネルに関連する限られた表現性を緩和するために、GP前の重み付けアンサンブル(E)を用いて代替のスキームを生成する。
論文 参考訳（メタデータ） (2021-12-01T23:15:09Z)
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。