論文の概要: Strategic Transformer for Resource-Constrained Multi-Object Navigation in Ultra-Large-Scale Environments

• arxiv url: http://arxiv.org/abs/2609.20227v1
• Date: Mon, 27 Jul 2026 07:58:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-28 05:09:55.640957
• Title: Strategic Transformer for Resource-Constrained Multi-Object Navigation in Ultra-Large-Scale Environments
• Title（参考訳）: 超大規模環境における資源制約型マルチオブジェクトナビゲーションのためのストラテジックトランス
• Abstract要約: 大規模屋内環境における資源制約された多目的航法は、効率性や戦略的計画に重大な課題をもたらす。 SOP(Set Orienteering Problem)としてタスクを再構築する。 当社のフレームワークは,重度メタヒューリスティックスと比較して,940倍のスピードアップを実現しています。
• 参考スコア（独自算出の注目度）: 0.6882042556551609
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Resource-constrained multi-object navigation in vast indoor environments ($>2,000\text{ m}^2$) poses significant challenges for efficiency and strategic planning. To tackle this, we reformulate the task as a Set Orienteering Problem (SOP), providing an optimization framework under resource constraints where exploitation is governed by the SOP model and exploration is managed by a separate heuristic switcher. Conventional baselines suffer from either rigid planning or myopic behaviors. To overcome these limitations and resolve the NP-hard computational challenges of SOP for real-time navigation, we develop the Strategic Transformer. This lightweight architecture functions as a priority planner that internalizes expert combinatorial logic into a predictable $41.03\text{ ms}$ forward pass while reducing teacher-student information asymmetry. Incorporating geometric attention biases allows the network to effectively model long-range structural dependencies. By coupling the Transformer's macro-plan with a bounded iterative 2-opt local refinement on a capped candidate graph, our framework achieves a $94\times$ speedup compared to heavy meta-heuristics, ensuring bounded-latency inference suitable for onboard deployment. Experiments on ProcTHOR validate that our method successfully bridges the gap between exploration and exploitation, outperforming carefully re-implemented baselines under Progress weighted by Path Length (PPL) and establishing a new benchmark for scalable, resource-constrained navigation.
• Abstract（参考訳）: 2000\text{ m}^2$) の資源制約されたマルチオブジェクトナビゲーションは、効率と戦略的計画に重大な課題をもたらす。 そこで我々は,SOPモデルによって利用が制御され,探索は別個のヒューリスティックスイッチャーによって管理される資源制約下での最適化フレームワークとして,タスクをSOP(Set Orienteering Problem)として再構築する。 従来のベースラインは、厳格な計画または筋電図的な行動に悩まされる。 これらの制限を克服し、リアルタイムナビゲーションにおけるSOPのNPハードな計算課題を解決するために、Strategic Transformerを開発した。 この軽量アーキテクチャは、専門家の組合せ論理を予測可能な41.03\text{ ms}$フォワードパスに内部化する優先度プランナーとして機能し、教師と学生の情報非対称性を低減させる。 幾何学的注意バイアスを組み込むことで、ネットワークは長距離構造的依存関係を効果的にモデル化することができる。 本フレームワークは,Transformerのマクロプランと有界2オプティカルリファインメントを結合することにより,重いメタヒューリスティックよりも9,4\times$の高速化を実現し,オンボード配置に適した有界遅延推論を実現する。 ProcTHORの実験は,提案手法が探索と利用のギャップを埋めることに成功し,PPL (Path Length) が重み付けしたプログレッシブの下で,注意深く実装されたベースラインを改良し,スケーラブルで資源に制約のあるナビゲーションのための新しいベンチマークを構築した。

関連論文リスト

• Reinforcement Learning-Guided Evolutionary Policy Optimization for Preference-Adjustable Heterogeneous Agile Earth Observation Satellite Scheduling [50.176885352114674]
  異質なアジャイル地球観測衛星(AEOS)のスケジューリングには、タスクの選択、衛星の割り当て、および観測シークエンシングが必要である。 本稿では、優先調整可能な重み付け目的を用いた異種AEOSスケジューリングのための進化的ポリシー最適化フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-08-25T12:16:28Z)
• Efficient and Interpretable Multi-Agent LLM Routing via Ant Colony Optimization [58.59491516762626]
  マルチエージェントシステム(MAS)のための効率的かつ解釈可能なルーティングフレームワークAMRO-Sを提案する。 AMRO-Sは、意味条件付き経路選択問題としてMASルーティングをモデル化し、3つのキーメカニズムを通してルーティング性能を向上させる。 5つの公開ベンチマークと高速ストレステストによる大規模な実験により、AMRO-Sは強いルーティングベースラインに対する品質-コストトレードオフを一貫して改善することを示した。
  論文  参考訳（メタデータ） (2026-03-13T12:26:05Z)
• DRAFTO: Decoupled Reduced-space and Adaptive Feasibility-repair Trajectory Optimization for Robotic Manipulators [4.0407133618465005]
  本稿では、トラジェクトリ最適化のための新しいアルゴリズム、Decoupled Reduced-spaceとAdaptive Feasibility-Repair Trajectory Optimization (DRAFTO)を提案する。 連立限界実現性を扱いながら繰り返し制約された最適化の回数を減らすため、最適化を低空間ガウスニュートン(Gass-Newton, GN)降下に分離する。 CHOMP, TrajOpt, GPMP2, FACTOなどの最適化型プランナに対するベンチマークテストの結果, 様々なシナリオやタスクにおいて高い効率性と信頼性が検証された。
  論文  参考訳（メタデータ） (2026-03-10T20:24:42Z)
• TopoCurate:Modeling Interaction Topology for Tool-Use Agent Training [53.93696896939915]
  訓練用ツール使用エージェントは一般的に、パスレート選択されたタスクに対して、軌道変更の成功と強化学習(RL)に依存している。 TopoCurateは,同一タスクから多段階的なロールアウトを統一的な意味的商トポロジに投影する対話型フレームワークである。 TopoCurateは最先端のベースラインに対して4.2%(SFT)と6.9%(RL)という一貫したゲインを達成している。
  論文  参考訳（メタデータ） (2026-03-02T10:38:54Z)
• PILOT: Planning via Internalized Latent Optimization Trajectories for Large Language Models [51.43746425777865]
  大規模言語モデル(LLM)は、しばしばグローバル戦略を定式化する能力に欠けており、長い水平タスクにおけるエラーの伝播につながる。 PILOTは,大規模モデルの戦略的監視を本質的な潜伏誘導に内部化するためのフレームワークである。
  論文  参考訳（メタデータ） (2026-01-07T12:38:56Z)
• Multi-Phase Spacecraft Trajectory Optimization via Transformer-Based Reinforcement Learning [2.034091340570242]
  本研究では,単一ポリシアーキテクチャを通じて多相軌道最適化を統一するトランスフォーマーベースのRLフレームワークを提案する。 その結果, トランスフォーマーをベースとしたフレームワークは, 単純な場合だけでなく, 動的に異なる状況下で協調的な制御ポリシーを効果的に学習することを示した。
  論文  参考訳（メタデータ） (2025-11-14T15:29:46Z)
• Towards Scalable O-RAN Resource Management: Graph-Augmented Proximal Policy Optimization [0.9143713488498514]
  Open Radio Access Network (O-RAN) アーキテクチャは、ベースバンド関数の分離と仮想化によって、柔軟でスケーラブルで費用効率のよいモバイルネットワークを実現する。 この柔軟性は、動的要求と複雑なトポロジの下で、共同機能分割選択とユニット配置最適化を必要とする、リソース管理に重大な課題をもたらす。 本稿では,グラフグラフネットワーク(GNN)をトポロジ対応の特徴抽出とマスキング行動に活用する新しいグラフ構築型ポリシー最適化フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-09-01T08:53:04Z)
• Maximize to Explore: One Objective Function Fusing Estimation, Planning, and Exploration [87.53543137162488]
  我々はtextttMEX というオンライン強化学習(オンラインRL)フレームワークを提案する。 textttMEXは、自動的に探索エクスプロイトのバランスをとりながら、見積もりと計画コンポーネントを統合する。 様々な MuJoCo 環境では,ベースラインを安定的なマージンで上回り,十分な報酬を得られる。
  論文  参考訳（メタデータ） (2023-05-29T17:25:26Z)

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。