Fugu-MT 論文翻訳(概要): Some Modifications to Our End-to-End UAV Planner

論文の概要: Some Modifications to Our End-to-End UAV Planner

arxiv url: http://arxiv.org/abs/2608.15741v1
Date: Sun, 16 Aug 2026 13:39:46 GMT
ステータス: 翻訳完了
システム内更新日: 2026-08-18 19:59:03.411077
Title: Some Modifications to Our End-to-End UAV Planner
Title（参考訳）: UAVプランナのエンド・ツー・エンドへの変更点
Abstract要約: 一段プランナーは、単一の深度画像とロボット状態とを直接、候補軌跡のセットにマッピングする。 YOPOのマルチモーダル予測は、異なるホモトピークラスにまたがり、各動作を、明確な安全構築や建設の罰則を伴わずに、軌道を許容可能な軌道に閉じ込める軌跡として扱う。
参考スコア（独自算出の注目度）: 2.3190673374277524
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: The one-stage planner YOPO maps a single depth image and the robot state directly to a set of candidate trajectories, trained by backpropagating through differentiable trajectory costs. This yields dense, geometrically informative supervision, but inherits the pathologies of soft-constrained optimization: the safety cost competes with the smoothness and goal-reaching terms, is non-convex across homotopy classes, and the single-piece polynomial is limited in expressiveness. In this report, we summarize several effective modifications. We adopt a two-piece MINCO parameterization, trading time for smoothness without altering the trajectory's spatial profile. We further lift YOPO's multi-modal prediction to span distinct homotopy classes, treating each motion primitive as a homotopy anchor that confines the trajectory to a feasible basin - without explicit safe-flight-corridor construction or front-end search. For dynamic feasibility, we impose barrier penalties on velocity and acceleration together with a curvature-dependent speed limit whose gradient acts only on the velocity, producing an adaptive-speed behavior that decelerates in cluttered regions or sharp turns. We replace score regression with a ranking loss, preventing small score errors from reordering the candidate set. These yield richer trajectory representations, safer obstacle avoidance, and more direct flight paths.
Abstract（参考訳）: ワンステージプランナーのYOPOは、単一の深度画像とロボット状態とを、異なる軌道コストでバックプロパゲーションによってトレーニングされた一連の候補軌道に直接マッピングする。安全コストは滑らかさとゴールリーチング項と競合し、ホモトピー類をまたいで非凸であり、一点多項式は表現性において制限される。本報告では,いくつかの効果的な修正について概説する。我々は、軌道の空間的プロファイルを変更することなく、平滑化のための取引時間である2ピースのMINCOパラメータ化を採用する。さらに、YOPOのマルチモーダル予測は、異なるホモトピークラスにまたがり、各動きプリミティブをホモトピーアンカーとして扱う。動的実現のために, 速度と加速度に障壁を課し, 速度のみに勾配が作用する曲率依存性の速度制限を伴って, 乱れ領域や急旋回で減速する適応速度挙動を生じる。我々は、スコアの回帰をランキングの損失に置き換え、小さなスコアエラーが候補セットを再順序付けすることを防ぐ。これらはよりリッチな軌道表現、より安全な障害物回避、より直接的な飛行経路をもたらす。

関連論文リスト

Curvature-Conditioned Multiscale Momentum with Sphere Constraints for LLM Pretraining [19.3401576040633]
本研究では、平面方向に沿ったトレーニング力学を強化するために、球制限付き曲率条件付きマルチスケール運動量法を提案する。提案手法は,多種多様なアーキテクチャ (Dense, MoE) とモデルサイズ (0.12B--2.3B パラメータ) において,Muon を著しく高速化することを示す。
論文参考訳（メタデータ） (2026-08-28T15:28:05Z)
NeurRAFT: Robot Motion Planning via Anchor-Level Flow Matching with Clearance-Aware Preference Tuning [5.973392871392725]
我々は,アンカーレベルのフローマッチングとクリアランスを考慮した選好チューニングに基づく生成計画フレームワークNeurRAFTを提案する。実験は最先端のプランナーよりも大幅に改善され、実世界の実験ではフランカロボットへのゼロショット転送が実証された。
論文参考訳（メタデータ） (2026-08-25T03:31:24Z)
Scaling Reinforcement Learning for Diffusion Models via Velocity Matching [66.34541945134916]
RewardBenchファインチューニングは、人間の好みやタスク固有の目的に拡散モデルを適用するための重要なツールである。自己回帰モデルとは異なり、拡散モデルは生成したサンプルの抽出可能な可能性を提供しない。本稿では,速度場に直接作用する単純なトラジェクトリフリー更新である報酬ベースベロシティマッチング(RVM)を提案する。
論文参考訳（メタデータ） (2026-08-24T17:13:43Z)
Biconvex Optimization for Smooth Minimum-Time Trajectories around Convex Obstacles [49.315843050082925]
本稿では,最小時間移動計画凸障害物に対して,収束が保証されるバイアプローチを提案する。提案手法は,変数の最先端分解を生成するために,時間とともに高品質な軌道を生成する。
論文参考訳（メタデータ） (2026-08-03T19:48:24Z)
AutoSpeed: Annotation-Free Stage-Adaptive Motion Speed Learning for Robot Manipulation [11.362770278564973]
ILベースのビジュモータポリシーは、専門家によるデモンストレーションの実行速度を模倣し、固定時間的予測水平線で運用する。本稿では,モデルに依存しない学習フレームワークであるAutoSpeedを紹介した。 AutoSpeedはタスクの実行時間を大幅に短縮し、成功率も向上することを示す。
論文参考訳（メタデータ） (2026-07-01T15:13:12Z)
FLAP: FOV-Constrained Active Perception Planning for Prior-Map-Free 3D Navigation [11.226202958671502]
本稿では,アクティブな知覚を軌道最適化に直接統合する新しい計画フレームワークを提案する。パラメトリック起動時最適化を用いたアクティブな知覚サブ軌道セグメントを導入し、遅延障害物検出による衝突リスクを軽減した。我々の定式化は、主に水平運動のために設計された従来の方法を超えて、任意の3D操作中にアクティブな知覚を可能にする。
論文参考訳（メタデータ） (2026-06-16T07:40:30Z)
Ergodic Trajectory Design by Learned Pushforward Maps: Provable Coverage via Conditional Flow Matching [3.1807155456602274]
エンフェゴディックのカバレッジ問題は、UAVが支援するデータ収集とセンシング、ロボット探査、モバイル監視の中心である。飛行エージェントでは、トラジェクトリーはエネルギー予算の厳格化、飛行禁止ゾーン、加速限界のバランスをとる必要がある。本稿では,エルゴディディティを密度マッチングから切り離すエフェプシュフォワードフレームワークを提案する。
論文参考訳（メタデータ） (2026-05-13T06:34:08Z)
TMPO: Trajectory Matching Policy Optimization for Diverse and Efficient Diffusion Alignment [52.570581883709345]
本稿では,報酬を人間レベルの報酬分布マッチングに置き換えるトラジェクティブマッチングポリシバランス最適化(TMPO)を提案する。 TMPOは最先端の手法に対する生成的多様性を9.1%向上させ、下流および効率の指標で競合性能を達成する。大規模フロープレフィックスのマルチトラックトレーニング時間を短縮するため、TMPOはDynamic Tree Smplingモデルを導入し、動的にスケジュールされたステップでトラジェクトリがdenoisingとブランチを共有する。
論文参考訳（メタデータ） (2026-05-09T04:41:02Z)
Spatially-Aware Adaptive Trajectory Optimization with Controller-Guided Feedback for Autonomous Racing [74.83272587893508]
本稿では,NURBSに基づく軌道表現,CMA-ESグローバル軌道最適化,コントローラ誘導空間フィードバックを組み合わせた自律レースライン最適化フレームワークを提案する。シミュレーションでは,最大静的加速度をパラメータ化したコントローラと比較して17.38%のラップタイム短縮を実現している。高摩擦から低摩擦まで様々なタイヤ化合物で試験された実ハードウェアでは、摩擦を明示的にパラメータ化することなく、7.60%のラップタイムの改善が得られる。
論文参考訳（メタデータ） (2026-02-17T15:10:44Z)
FlowConsist: Make Your Flow Consistent with Real Trajectory [99.22869983378062]
現在の高速フロートレーニングパラダイムには,2つの根本的な問題がある,と我々は主張する。ランダムにペアリングされたノイズデータサンプルから構築された条件付き速度は、系統的な軌跡ドリフトを導入する。本研究では,高速フローにおける軌道整合性を実現するためのトレーニングフレームワークであるFlowConsistを提案する。
論文参考訳（メタデータ） (2026-02-06T03:24:23Z)
Motion Planning and Control for Multi Vehicle Autonomous Racing at High Speeds [100.61456258283245]
本稿では,自律走行のための多層移動計画と制御アーキテクチャを提案する。提案手法はダララのAV-21レースカーに適用され、楕円形のレーストラックで25$m/s2$まで加速試験された。
論文参考訳（メタデータ） (2022-07-22T15:16:54Z)
Time-Optimal Planning for Quadrotor Waypoint Flight [50.016821506107455]
立方体の作動限界における時間-最適軌道の計画は未解決の問題である。四重項のアクチュエータポテンシャルをフル活用する解を提案する。我々は、世界最大規模のモーションキャプチャーシステムにおいて、実世界の飛行における我々の方法を検証する。
論文参考訳（メタデータ） (2021-08-10T09:26:43Z)

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。