論文の概要: Orienteering Problem with Uncertain Time-Varying Rewards: Framework and Benchmark for Everyday Service Robotics
- arxiv url: http://arxiv.org/abs/2608.18672v1
- Date: Wed, 19 Aug 2026 08:24:40 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-20 20:13:55.341766
- Title: Orienteering Problem with Uncertain Time-Varying Rewards: Framework and Benchmark for Everyday Service Robotics
- Title（参考訳）: 不確実な時間変化リワードによるオリエンテーリング問題:毎日のサービスロボティクスのためのフレームワークとベンチマーク
- Abstract要約: オリエンテーリング問題(OP)の新しい変種であるOP-UTVRについて述べる。
OP-UTVRは、エージェントが観察から報酬のダイナミクスを推定し、将来の報酬を予測することによって、仮定を緩和する。
また,屋内環境の歩行者間を移動させるOP-UTVRのモバイルサービスロボットベンチマークも導入した。
- 参考スコア（独自算出の注目度）: 17.69184483885572
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We present the orienteering problem with uncertain time-varying rewards (OP-UTVR), a novel variant of the orienteering problem (OP). While most existing OP formulations assume rewards to be known in advance, practical applications involve uncertain and time-varying rewards, as with shifting customer demand for delivery agents. OP-UTVR relaxes this assumption by allowing agents to estimate reward dynamics from observations and forecast future rewards. This enables informed routing decisions despite stochastic reward changes and inevitable prediction errors. We address this problem using three planners that differ in planning horizon and online adaptivity, and derive theoretical bounds on their performance under reward stochasticity. We further introduce a mobile service robot benchmark for OP-UTVR, where a robot navigates among pedestrians in indoor environments. Experiments reveal trade-offs between planning horizon and adaptivity, and demonstrate the effectiveness of long-horizon planning with online adaptation.
- Abstract（参考訳）: オリエンテーリング問題(OP)の新たな変種である,不確実な時間変化報酬(OP-UTVR)を用いたオリエンテーリング問題を提案する。
既存のOPの定式化では、事前に報酬が知られていることを前提としているが、実際の応用には、配達業者の顧客需要のシフトなど、不確実かつ時間的な報酬が伴う。
OP-UTVRは、エージェントが観察から報酬のダイナミクスを推定し、将来の報酬を予測することによって、この仮定を緩和する。
これにより、確率的な報酬変更と避けられない予測エラーに拘わらず、情報的なルーティング決定が可能になる。
本稿では,計画水平線とオンライン適応度が異なる3つのプランナーを用いてこの問題に対処し,報奨確率性の下でのそれらの性能に関する理論的境界を導出する。
さらに,屋内環境における歩行者間を移動させるOP-UTVRのモバイルサービスロボットベンチマークを導入する。
実験は、計画的地平線と適応性の間のトレードオフを明らかにし、オンライン適応による長期計画の有効性を示す。
関連論文リスト
- Model-Based Reinforcement Learning for Heterogeneous Multi-Robot Task Assignment Under Distribution Shifts [7.0997001670112185]
不均一なマルチロボットサービスシステムは、互換性のあるロボットにリクエストを割り当て、実行可能なスケジュールを構築し、新しいタスクがオンラインに届くように適応する必要があります。
スケジュールとリアルタイムの要求を伴う異種マルチロボットタスク割り当てのための予測対応型適応型ロールアウトフレームワークを開発した。
論文 参考訳（メタデータ） (2026-08-21T18:44:05Z) - MOAR Planner: Multi-Objective and Adaptive Risk-Aware Path Planning for Infrastructure Inspection with a UAV [4.297070083645049]
本稿では,ミッション中のリスクの複雑化に対処するMOARパスプランナを提案する。
安全、時間、エネルギーを同時に最適化しながら、リアルタイムな軌道適応を提供する。
提案されたフレームワークは、UAVがより自律的で確実に重要なミッションをナビゲートできるようにすることで貢献する。
論文 参考訳（メタデータ） (2026-06-29T17:18:02Z) - LeapTS: Rethinking Time Series Forecasting as Adaptive Multi-Horizon Scheduling [74.94985663101906]
本稿では,予測地平線上での動的スケジューリングプロセスとして時系列予測を再構成する新しいフレームワーク LeapTSを提案する。
LeapTSは、Transformerベースのモデルよりも2.6$times$から5.3$times$推論スピードアップを実現しつつ、全体的な予測性能を少なくとも7.4%向上させる。
論文 参考訳（メタデータ） (2026-05-11T09:54:02Z) - FutureX: Enhance End-to-End Autonomous Driving via Latent Chain-of-Thought World Model [103.2513470454204]
FutureXは、エンド・ツー・エンドのプランナを強化し、将来のシーンの遅延推論と軌道修正を通じて複雑な動作計画を実行するパイプラインである。
FutureXは、より合理的な運動計画と衝突を減らすことで、効率を損なうことなく既存の方法を強化する。
論文 参考訳（メタデータ） (2025-12-12T02:12:49Z) - Centaur: Robust End-to-End Autonomous Driving with Test-Time Training [84.78837437133234]
我々は,手作業によるルールやコスト関数に頼ることなく,テストタイムトレーニングを通じてプランナーの行動を更新するCentaurを提案する。
本稿では,クラスタ・エントロピー(Cluster Entropy,クラスタ・エントロピー)と呼ばれる新しい不確実性尺度を開発した。
論文 参考訳（メタデータ） (2025-03-14T17:59:41Z) - Planning with Adaptive World Models for Autonomous Driving [50.4439896514353]
マルチエージェントインタラクションをキャプチャする実世界のモーションプランニングベンチマークであるnuPlanを提案する。
我々は、グラフ畳み込みニューラルネットワーク(GCNN)であるBehaviorNetを用いて、このようなユニークな振る舞いをモデル化することを学ぶ。
また、モデル予測制御(MPC)ベースのプランナであるAdaptiveDriverについても紹介する。
論文 参考訳（メタデータ） (2024-06-15T18:53:45Z) - REBEL: Reward Regularization-Based Approach for Robotic Reinforcement Learning from Human Feedback [61.54791065013767]
報酬関数と人間の嗜好の相違は、現実世界で破滅的な結果をもたらす可能性がある。
近年の手法は、人間の嗜好から報酬関数を学習することで、不適応を緩和することを目的としている。
本稿では,ロボットRLHFフレームワークにおける報酬正規化の新たな概念を提案する。
論文 参考訳（メタデータ） (2023-12-22T04:56:37Z) - Optimizing Group Utility in Itinerary Planning: A Strategic and
Crowd-Aware Approach [6.1392189155269925]
反復レコメンデーションは、多くの現実世界の応用において複雑なシーケンス予測問題である。
既存のソリューションは通常、一人称視点に焦点を合わせ、自然の群衆の振る舞いによる現実の問題に対処できない。
実環境におけるグループユーティリティを最適化するStrategic and CrowdAware Itinerary Recommendation (SCAIR)アルゴリズムを導入する。
論文 参考訳（メタデータ） (2023-04-04T10:04:43Z) - An Online Approach to Solve the Dynamic Vehicle Routing Problem with
Stochastic Trip Requests for Paratransit Services [5.649212162857776]
動的車両ルーティング問題(DVRP)を解決するための完全オンライン手法を提案する。
時間的に疎いため、パラトランジットリクエストのバッチ化は困難である。
我々はモンテカルロ木探索を用いて任意の状態に対する行動を評価する。
論文 参考訳（メタデータ） (2022-03-28T22:15:52Z) - SABER: Data-Driven Motion Planner for Autonomously Navigating
Heterogeneous Robots [112.2491765424719]
我々は、データ駆動型アプローチを用いて、異種ロボットチームをグローバルな目標に向けてナビゲートする、エンドツーエンドのオンラインモーションプランニングフレームワークを提案する。
モデル予測制御(SMPC)を用いて,ロボット力学を満たす制御入力を計算し,障害物回避時の不確実性を考慮した。
リカレントニューラルネットワークは、SMPC有限時間地平線解における将来の状態の不確かさを素早く推定するために用いられる。
ディープQ学習エージェントがハイレベルパスプランナーとして機能し、SMPCにロボットを望ましいグローバルな目標に向けて移動させる目標位置を提供する。
論文 参考訳（メタデータ） (2021-08-03T02:56:21Z) - Right Decisions from Wrong Predictions: A Mechanism Design Alternative
to Individual Calibration [107.15813002403905]
意思決定者は、しばしば不完全な確率予測に頼る必要がある。
本稿では,予測ユーティリティが実際に取得したユーティリティと一致することを保証する補償機構を提案する。
本研究では、乗客が飛行遅延確率に基づいて、個々の旅行計画をどのように確実に最適化できるかを示すアプリケーションを示す。
論文 参考訳（メタデータ） (2020-11-15T08:22:39Z) - A Novel Graph based Trajectory Predictor with Pseudo Oracle [15.108410951760131]
GTPPOは、歩行者の将来の行動に配慮したエンコーダデコーダに基づく手法である。
ETH、UCY、Stanford Droneのデータセットで評価されている。
論文 参考訳（メタデータ） (2020-02-02T13:40:47Z)
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。