論文の概要: TRACE: Coverage Path Planning for Unknown Environments Using Hierarchical Coverage Tree
- arxiv url: http://arxiv.org/abs/2609.21777v1
- Date: Fri, 18 Sep 2026 13:50:42 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-21 18:40:17.131755
- Title: TRACE: Coverage Path Planning for Unknown Environments Using Hierarchical Coverage Tree
- Title（参考訳）: TRACE:階層型被覆木を用いた未知環境の被覆経路計画
- Abstract要約: TRACEは階層的なカバレッジツリー上に構築されており、未発見空間の接続性のグローバルな表現を提供する。
環境が徐々に明らかにされ、覆われていくと、新たに発見された障害物や被覆された細胞は、残りの未発見空間を切断し、非連結領域に分割する。
TRACEは、変化のない地域の訪問順序を維持しながら、影響を受ける部分のみを洗練する。
- 参考スコア（独自算出の注目度）: 42.05870290711847
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This paper presents a novel online coverage path planning (CPP) algorithm, called TRACE, for real-time coverage of unknown environments. TRACE is built upon a hierarchical coverage tree that provides a global representation of the evolving connectivity of the uncovered space. As the environment is incrementally revealed and covered, newly discovered obstacles and covered cells may fragment the remaining uncovered space into disconnected regions. TRACE recursively expands the corresponding tree nodes to explicitly represent these regions and organize them for subsequent coverage planning. Based on the updated tree, an incremental global tour is maintained to guide the coverage process. TRACE locally refines only the affected portions while preserving the visiting order of unchanged regions, thereby reducing the computational burden of global replanning and maintaining a consistent coverage progression. Guided by the global tour, a local planner generates back-and-forth coverage paths and switches to global-tour-aware planning to efficiently complete the target regions. Theoretical analysis establishes the computational complexity and complete coverage property of TRACE, and derives an approximation bound for the incremental global tour refinement. The performance of TRACE is evaluated through extensive high-fidelity simulations and real-robot experiments using a mobile robot. Comparative evaluations against six existing CPP methods demonstrate significant improvements in coverage time, path length, overlap ratio, and number of turns.
- Abstract（参考訳）: 本稿では,未知環境をリアルタイムにカバーするための新しいオンラインカバレッジパスプランニング(CPP)アルゴリズムであるTRACEを提案する。
TRACEは階層的なカバレッジツリー上に構築されており、未発見空間の進化する接続性のグローバルな表現を提供する。
環境が徐々に明らかにされ、覆われていくと、新たに発見された障害物や被覆された細胞は、残りの未発見空間を切断し、非連結領域に分割する。
TRACEは、対応するツリーノードを再帰的に拡張して、これらのリージョンを明示的に表現し、その後のカバレッジ計画のためにそれらを整理する。
更新されたツリーに基づいて、カバレッジプロセスをガイドするために、インクリメンタルなグローバルツアーが維持される。
TRACEは、変化のない地域の訪問順序を維持しながら、影響を受ける部分のみを局所的に洗練し、グローバルな再計画の計算負担を低減し、一貫したカバレッジの進行を維持する。
グローバルツアーによってガイドされたローカルプランナーは、バック・アンド・フォース・カバレッジ・パスを生成し、ターゲット領域を効率的に完了させるグローバル・ツー・アウェア・プランニングに切り替える。
理論解析は、TRACEの計算複雑性と完全なカバレッジ特性を確立し、インクリメンタルなグローバルツアー改善の近似を導出する。
TRACEの性能は,移動ロボットを用いた高忠実度シミュレーションと実ロボット実験により評価した。
6つの既存CPP法との比較評価では, 被覆時間, 経路長, 重複率, 旋回回数が有意に改善した。
関連論文リスト
- A Hierarchical Coverage Path Planning Algorithm for Unknown Environments [6.815877243940533]
本稿では,未知環境を対象としたオンラインカバレッジパス計画アルゴリズムを提案する。
航海中、未知の探索領域は徐々に非連結のサブエリアに分解される。
新たに生成された子サブエリアを優先順位付けすることで、グローバルなカバレッジツアーをオンラインで維持および更新する。
論文 参考訳（メタデータ） (2026-09-11T08:47:49Z) - A Distributed Multi-UGV Exploration Framework With Loop-Aware Planning and Descriptor-Aided Localization in Resource-Limited Environments [13.456466206579782]
本稿では,UGV間ループ閉鎖とループ対応階層計画を結合した完全分散探索フレームワークを提案する。
我々は,高機能なUGV位置認識を実現するために,レンジイメージをプリアライメントした軽量なLiDARグローバルディスクリプタを開発した。
また,不確実性を考慮したクロスUGVループ閉鎖選択モジュールを導入する。
論文 参考訳（メタデータ） (2026-06-09T16:48:53Z) - Accelerating Robot Path Planning via Connectivity-Preserving Region Proposal Network [5.81838331663612]
移動ロボット経路計画法は、しばしば広大な探索空間によって制約され、サンプリングベースアルゴリズムの遅延が発生する。
本稿では,コンパクトでトポロジカルに連結した候補領域の予測を目的としたセグメンテーション誘導モデルであるCP-RPNを提案する。
論文 参考訳（メタデータ） (2026-05-27T11:59:03Z) - Efficiency Follows Global-Local Decoupling [62.05489838893081]
ConvNeurは、軽量なニューラルメモリブランチがトークンの集合にグローバルなコンテキストを集約する2分岐アーキテクチャである。
学習ゲートは、グローバルなキューが目的を絞ることなく、局所的な特徴を調整できる。
標準的な分類、検出、セグメンテーションのベンチマークでは、ConvNeurは同等または低い計算で同等の選択肢にマッチするか、超えている。
論文 参考訳（メタデータ） (2026-03-20T02:20:16Z) - UAGLNet: Uncertainty-Aggregated Global-Local Fusion Network with Cooperative CNN-Transformer for Building Extraction [83.48950950780554]
リモートセンシング画像からの抽出は、複雑な構造変化のために難しい課題である。
既存の方法は、セグメンテーションモデルにおけるマルチスケール特徴をキャプチャするために、畳み込みブロックまたは自己アテンションブロックを使用する。
高品質なグローバルローカルなビジュアルセマンティクスを活用するために,不確実性集約型グローバルローカルフュージョンネットワーク(UAGLNet)を提案する。
論文 参考訳（メタデータ） (2025-12-15T02:59:16Z) - GLCP: Global-to-Local Connectivity Preservation for Tubular Structure Segmentation [16.961703984508457]
本稿では,グローバル・ローカル・コネクティビティ保護(GLCP)フレームワークを提案する。
さらに,DAR(Dual-Attention-based Refinement)モジュールを設計し,セグメンテーション品質をさらに向上する。
我々のGLCPは、いくつかの最先端手法と比較して管状構造セグメンテーションの精度と連続性を向上する。
論文 参考訳（メタデータ） (2025-07-28T20:49:45Z) - Stochastic Layer-wise Learning: Scalable and Efficient Alternative to Backpropagation [1.0285749562751982]
バックプロパゲーションは現代のディープラーニングを支えるものだが、グローバル同期への依存はスケーラビリティを制限し、高いメモリコストを発生させる。
対照的に、完全に局所的な学習ルールはより効率的であるが、コヒーレントなグローバルラーニングに必要な層間調整を維持するのに苦労することが多い。
本稿では,グローバルな目標を協調的なレイヤローカル更新に分解するレイヤワイズ学習アルゴリズムであるレイヤワイズ学習(SLL)を紹介する。
論文 参考訳（メタデータ） (2025-05-08T12:32:29Z) - An Entropy-guided Reinforced Partial Convolutional Network for Zero-Shot
Learning [77.72330187258498]
エントロピー誘導強化部分畳み込みネットワーク(ERPCNet)を提案する。
ERPCNetは、人間のアノテーションのない意味的関連性と視覚的相関に基づいて、局所性を抽出し、集約する。
グローバルな協力的局所性を動的に発見するだけでなく、ポリシー勾配最適化のためにより高速に収束する。
論文 参考訳（メタデータ） (2021-11-03T11:13:13Z) - Global Aggregation then Local Distribution for Scene Parsing [99.1095068574454]
提案手法は,エンドツーエンドのトレーニング可能なブロックとしてモジュール化され,既存のセマンティックセグメンテーションネットワークに容易に接続可能であることを示す。
私たちのアプローチでは、Cityscapes、ADE20K、Pascal Context、Camvid、COCO-stuffといった主要なセマンティックセグメンテーションベンチマークに基づいて、新しい最先端の技術を構築できます。
論文 参考訳（メタデータ） (2021-07-28T03:46:57Z) - Dense Residual Network: Enhancing Global Dense Feature Flow for
Character Recognition [75.4027660840568]
本稿では,すべての畳み込み層から階層的特徴をフルに活用することにより,局所的・大域的特徴フローを改善する方法について検討する。
技術的には、テキスト認識のための効率的で効果的なCNNフレームワークであるFDRN(Fast Dense Residual Network)を提案する。
論文 参考訳（メタデータ） (2020-01-23T06:55:08Z)
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。