論文の概要: RIT*: Riemannian Informed Trees for Cost-Adaptive Optimal Motion Planning

• arxiv url: http://arxiv.org/abs/2608.00822v1
• Date: Sat, 01 Aug 2026 18:59:52 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-04 15:07:24.948745
• Title: RIT*: Riemannian Informed Trees for Cost-Adaptive Optimal Motion Planning
• Title（参考訳）: RIT*:コスト適応型最適運動計画のためのリーマンインフォームツリー
• Abstract要約: バッチインフォームド検索におけるユークリッドプリミティブを置き換える計画フレームワークを提案する。 RIT*は、より厳密でコスト一貫性のある情報集合を構築し、異方性距離メートル法の下で最寄りの探索を行い、カスケード方式でエッジコストを効率的に評価する。
• 参考スコア（独自算出の注目度）: 1.5466093929120728
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We present Riemannian Informed Trees (RIT*), a planning framework that replaces Euclidean primitives in batch-informed search with their Riemannian counterparts. RIT* constructs a tighter, cost-consistent informed set, performs a nearest-neighbour search under an anisotropic distance metric, and evaluates edge costs efficiently via a cascading scheme. We further introduce a Collision-Adaptive Metric Refinement (CARM), which learns an obstacle-proximity cost field online from collision feedback, reducing the reliance on prior metric design in practical settings. Experiments across environments from 2-D to 14-D show that RIT* is competitive in low-dimensional and spatially constant-metric settings and produces substantially lower-cost solutions when the metric varies spatially in high-dimensional configuration spaces. Performance gains scale with anisotropy and dimension, reaching up to 13.0% improvement in median initial cost over BIT* in the 3-D anisotropic benchmark, up to 9.0% in median final cost over BIT* in 6-DOF manipulation, and 24.8-63.5% in a 14-DOF bimanual planning problem, where Euclidean-informed baselines degrade. Videos and code can be found here: https://muhayyuddin.github.io/ritstar/
• Abstract（参考訳）: 我々は、バッチインフォームド検索においてユークリッドプリミティブを置き換える計画フレームワークであるRiemannian Informed Trees (RIT*)を紹介する。 RIT*は、より厳密でコスト一貫性のある情報集合を構築し、異方性距離メートル法の下で最寄りの探索を行い、カスケード方式により、エッジコストを効率的に評価する。 さらに、衝突フィードバックからオンラインの障害物確率的コストフィールドを学習し、実際の環境での事前の計量設計への依存を低減させるCARM(Collision-Adaptive Metric Refinement)を導入する。 2-Dから14-Dまでの環境における実験により、RIT*は低次元および空間的に一定な条件下での競争力を示し、高次元構成空間において距離が空間的に変化する場合、かなり低コストな解を生成する。 性能は異方性と寸法で向上し、3次元異方性ベンチマークではBIT*よりも13.0%、6-DOF操作ではBIT*よりも9.0%、14-DOFの双方向計画問題では24.8-63.5%向上し、ユークリッドインフォームドベースラインが劣化する。 ビデオとコードはここにある。

関連論文リスト

• Learning the Geometry of Collider Events with Metric-Aware Deep Sets [3.675517735057064]
  学習したサロゲートは 速いが このメートル法構造を 維持する必要はない 我々は、非負性性、交換対称性、0自己距離を強制する可変サイズの重み付き点雲間のOTのためのディープセットサロゲートを開発する。 これらの結果から, ターゲットとした誘導バイアスは, 幾何的忠実度を著しく改善した高速なニューラルサロゲートが得られることが示された。
  論文  参考訳（メタデータ） (2026-09-10T13:22:01Z)
• Frozen Cores Need Task Signal: Fisher-Whitened Cross-Covariance for Low-Resource LLM Adaptation [18.8104643146881]
  厳格な訓練州予算の下で, コンストラクタ効率の高い微調整の選択について検討した。 我々は、署名された入力-エラーの相互共分散を推定し、対角的なフィッシャーモーメントと白くし、その結果の局所距離でそれを切り離し、選択した方向を写像し、より薄いQRを適用して安定したコア座標を得るFCCAを紹介する。 Qwen2.5-3B では、FCCA は 83.0 のマクロ平均値に達し、その2.3 ポイントは、マッチした予算のコンストラクタよりも高く、11 タスクすべてにおいて未白の RawGrad コントロールを超えている。
  論文  参考訳（メタデータ） (2026-09-01T05:52:38Z)
• On the Design of Qwen3.8-Next Architecture: Evaluation, Efficiency, and Training Stability [57.03393882933515]
  Qwen3.8-Flash-Nextは125Bパラメータ、トークンあたり6Bアクティベートされ、加速器から保持されるn-gram埋め込みテーブルの51Bパラメータを持つスパースミックス・オブ・エキスパートモデルである。 トレーニング前の14のベンチマークでは、このモデルは前モデルの397B-A17Bを8点、残りを少なくとも2.6ポイント、アクティベートされたパラメータが1/3、トレーニングトークンが1/3、トレーニング用FLOPが1/9であった。
  論文  参考訳（メタデータ） (2026-08-31T06:35:07Z)
• Agentic Stage-One Stellarator Optimization: Autonomous Multi-Objective Search for Finite-Beta Equilibria [0.0]
  強調ステージワン最適化の概念実証を行う。 エージェント外ループ制御は有限ベータ・多目的探索を維持でき、繰り返し最適化を改良された平衡のスケーラブルなソースに変えることができる。
  論文  参考訳（メタデータ） (2026-08-02T16:08:52Z)
• Fast and Efficient Approximate Nearest Neighbor Search for High-Dimensional LLM Embeddings [0.0]
  SISAP Indexing Challengeは、厳密な制約の下で、近似近傍探索(ANNS)アルゴリズムをベンチマークする。 本稿では,1024次元BGE-M3埋め込みにおけるk$-Nearest Neighbor Graph (kNNG) 構築と,非正規化Llama-3.2-8B機能に対する最大内積探索 (MIPS) の両方について,2026年版への提案を述べる。
  論文  参考訳（メタデータ） (2026-07-23T06:35:12Z)
• TACO: A Test and Check Framework for Robust Pose Graph Optimization [9.59638516502392]
  我々は,PGOシステムから外れ値のフィルタリングを目的とした,堅牢な最適化フレームワークTACOを提案する。 TACOは、測定値が不整数または外れ値として明示的にモデル化するのではなく、最大一貫した測定値の集合への近似を求める。 我々は,2次元SLAMおよび3次元ビジュアルSLAMデータセットのTACOを,いくつかの最先端手法に対して評価した。
  論文  参考訳（メタデータ） (2026-06-29T06:39:09Z)
• Model Compression with Exact Budget Constraints via Riemannian Manifolds [39.54576236079211]
  トータルコスト予算の下で各NグループにKオプションの1つを割り当てることは、効率的なAIにおいて繰り返し発生する問題である。 我々は、ソフトマックス緩和の下で、予算制約がロジット空間における滑らかなリーマン多様体を異常に単純な幾何学で定義することを示す新しいアプローチを示す。 これらの特性に基づいて、接射影、二分探索リトラクション、運動量輸送を標準とするリーマン制約最適化(RCO)を提案する。
  論文  参考訳（メタデータ） (2026-05-01T13:30:23Z)
• Cut Your Losses! Learning to Prune Paths Early for Efficient Parallel Reasoning [30.70183055909553]
  経路解析における最初の体系的分類法を提案し,その信号源による分類法(内部対外部)と学習可能性(学習可能対非学習可能)を提案する。 この分類は、学習可能な内部メソッドの未探索の可能性を明らかにし、STOP(Super Token for Pruning)の提案を動機付けます。
  論文  参考訳（メタデータ） (2026-04-17T13:00:22Z)
• Riemannian Zeroth-Order Gradient Estimation with Structure-Preserving Metrics for Geodesically Incomplete Manifolds [57.179679246370114]
  測地的に完備な測度を構築し、新しい測度の下での静止点が元の測度の下で定常であることを保証する。 構成された計量$g'$の下の$-固定点もまた、元の計量$g'$の下の$-定常点に対応する。 実用的なメッシュ最適化タスクの実験は、測地的完全性がない場合でも、我々のフレームワークが安定した収束を維持することを示した。
  論文  参考訳（メタデータ） (2026-01-12T22:08:03Z)
• OrthAlign: Orthogonal Subspace Decomposition for Non-Interfering Multi-Objective Alignment [61.02595549125661]
  大規模言語モデル(LLM)のアライメントは、複数の人間の好みに対処する際に重要なジレンマに直面します。 我々は、優先順位調整における勾配レベルの対立を解決する革新的なアプローチであるOrthAlignを提案する。 我々はOrthAlignが多重目的アライメント後の34.61%から50.89%の最大単一参照改善を実現していることを示す。
  論文  参考訳（メタデータ） (2025-09-29T11:16:30Z)
• SPARE: Symmetrized Point-to-Plane Distance for Robust Non-Rigid 3D Registration [77.13381026159111]
  本研究では,SPAREを提案する。SPAREは,非剛性登録のための対称化点-平面間距離を用いた新しい定式化である。 提案手法は, 厳密でない登録問題の精度を大幅に向上し, 比較的高い解効率を維持する。
  論文  参考訳（メタデータ） (2024-05-30T15:55:04Z)
• Vanishing Point Estimation in Uncalibrated Images with Prior Gravity Direction [82.72686460985297]
  我々はマンハッタンのフレームを推定する問題に取り組む。 2つの新しい2行解法が導出され、そのうちの1つは既存の解法に影響を与える特異点に悩まされない。 また、局所最適化の性能を高めるために、任意の行で実行される新しい最小でないメソッドを設計する。
  論文  参考訳（メタデータ） (2023-08-21T13:03:25Z)
• Canny-VO: Visual Odometry with RGB-D Cameras based on Geometric 3D-2D Edge Alignment [85.32080531133799]
  本稿では,自由形式の曲線登録に関する古典的な問題をレビューし,効率的なrgbdビジュアルオドメトリシステムcanny-voに適用する。 エッジ登録でよく用いられる距離変換の代替として、近似近接近傍場と配向近接近傍場という2つの方法が提案されている。 3D2Dエッジアライメントは、効率性と精度の両方の観点から、これらの代替製剤の恩恵を受けます。
  論文  参考訳（メタデータ） (2020-12-15T11:42:17Z)

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。