論文の概要: D3DWA: Adaptive Weight and Prediction-Horizon for Dynamic Window Approach via Dueling Double Deep Q-Network

• arxiv url: http://arxiv.org/abs/2609.22276v1
• Date: Fri, 11 Sep 2026 22:40:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-29 14:37:24.319255
• Title: D3DWA: Adaptive Weight and Prediction-Horizon for Dynamic Window Approach via Dueling Double Deep Q-Network
• Title（参考訳）: D3DWA:ダブルディープQ-ネットワークによる動的ウィンドウアプローチのための適応重みと予測ホライゾン
• Abstract要約: 本稿では、D3QN(Dueling Double Deep Q-Network)に基づく適応型DWAフレームワークD3DWAを提案する。 目に見えないレイアウトを含む8つのシミュレートされた環境において、D3DWAはすべての目標を達成した。
• 参考スコア（独自算出の注目度）: 1.4209473797379666
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The Dynamic Window Approach (DWA) is widely used for local navigation, but its performance depends strongly on parameters that are typically fixed before navigation. In particular, the appropriate prediction horizon can vary with local free space: longer horizons support efficient motion in open areas, whereas shorter horizons help preserve feasible motions in narrow or cluttered regions. This paper proposes D3DWA, an adaptive DWA framework based on a Dueling Double Deep Q-Network (D3QN), which jointly selects the DWA evaluation weights and prediction horizon from a continuous navigation state at every control step while retaining DWA's trajectory generation and collision checking. In eight simulated environments, including unseen layouts, D3DWA reached every goal. Real-robot experiments further showed that D3DWA completed all three tested configurations, including a constrained case in which the weights-only variant timed out. These results demonstrate the benefit of jointly adapting the evaluation weights and prediction horizon. Additional material is available at https://mertcookimg.github.io/d3dwa/
• Abstract（参考訳）: Dynamic Window Approach (DWA) はローカルナビゲーションに広く使われているが、その性能はナビゲーションの前に固定されるパラメータに強く依存する。 特に、適切な予測地平線は局所的な自由空間によって変化しうる: より長い地平線は開領域における効率的な運動をサポートするが、短い地平線は狭い領域や散らばった領域における実現可能な運動を維持するのに役立つ。 本稿では、D3QN(Dueling Double Deep Q-Network)に基づく適応型DWAフレームワークD3DWAを提案する。D3QNは、DWAの軌道生成と衝突チェックを維持しつつ、制御ステップ毎に連続的なナビゲーション状態からDWA評価重みと予測地平線を共同選択する。 目に見えないレイアウトを含む8つのシミュレートされた環境において、D3DWAはすべての目標を達成した。 実ロボット実験により、D3DWAは重量のみの変種がタイムアウトする制限されたケースを含む3つの試験された構成を全て完了したことが示された。 これらの結果は,評価重みと予測地平線を協調的に適応させることの利点を示している。 追加資料はhttps://mertcookimg.github.io/d3dwa/で入手できる。

関連論文リスト

• RECO: Region-Aware Compensation for Extrinsic Perturbations in Roadside 3D Detection [13.05494342638977]
  道路沿いの3D物体検出は、交通理解、協調早期警戒、安全な自動運転に不可欠な広域認識を提供する。 既存の方法は、カメラ外在物に対する高い感度に悩まされており、わずかな偏差でさえ射影幾何学によって増幅することができる。 部分的6-DoFポーズオフセットを用いて外因性を修正する地域対応外因性補償フレームワークRECOを提案する。
  論文  参考訳（メタデータ） (2026-07-23T05:56:42Z)
• LooseControlVideo: Directorial Video Control using Spatial Blocking [44.01478894715323]
  本稿では,疎結合な3Dボックスを"ブロッキング"プロキシとして使用することで,直感的で表現力のある制御を可能にするフレームワークであるLooseControlVideoを提案する。 DNOCSを付加したビデオデータセット上で、Wan 2.2のバックボーンを微調整することで、これを実現する。 その結果, 軌道誤差の1.2倍から3倍, 剛体運動の2倍, 咬合精度の1.5倍から2倍に改善した。
  論文  参考訳（メタデータ） (2026-06-17T18:32:13Z)
• MB-Loc: Multi-planar Bird's-eye-view Localization in outdoor LiDAR scenes [2.3666547827177733]
  我々は,グローバルLiDARローカライゼーションのための軽量かつ視点ロバストなSCRフレームワークMB-Locを提案する。 Z軸に沿って点雲をスライスし、符号付き深度を離散2次元平面にマッピングすることにより、MB-Locは標準2次元CNNの計算的トラクタビリティを活用しながら必須な3次元幾何学構造を保持する。 我々は、公開可能なNCLTデータセットに関する広範な実験を行い、提案手法が現在の最先端技術よりも優れていることを示す。
  論文  参考訳（メタデータ） (2026-06-07T17:25:06Z)
• Rethinking the Spatio-Temporal Alignment of End-to-End 3D Perception [16.162722161042193]
  我々は,各オブジェクトが最適なアライメント提案を適応的にデコードできる構造的時間的アライメントモジュールであるHATを提案する。 nuScenesでは、HATは多種多様なベースラインにわたる3D時間検出器とトラッカーを一貫して改善している。 対象中心のE2E AD法では、HATは知覚精度(+1.3% mAP、+3.1% AMOTA)を高め、衝突率を32%削減する。
  論文  参考訳（メタデータ） (2025-12-29T17:48:56Z)
• Move to Understand a 3D Scene: Bridging Visual Grounding and Exploration for Efficient and Versatile Embodied Navigation [54.04601077224252]
  身近なシーン理解には、視覚空間情報の理解だけでなく、3D物理世界における次の探索場所の決定も必要である。 アンダーラインテキストbf3D視覚言語学習は、エンボディエージェントが環境を効果的に探索し理解することを可能にする。 モデルの汎用性は、カテゴリ、言語記述、参照イメージなど、多様な入力モダリティを使ったナビゲーションを可能にする。
  論文  参考訳（メタデータ） (2025-07-05T14:15:52Z)
• ALOcc: Adaptive Lifting-Based 3D Semantic Occupancy and Cost Volume-Based Flow Predictions [91.55655961014027]
  シーン理解には3次元セマンティック占有とフロー予測が不可欠である。 本稿では,3つの改善点を目標とした視覚ベースのフレームワークを提案する。 我々の純粋な畳み込みアーキテクチャは、セマンティック占有率とジョイントセマンティックフロー予測の両方のために、複数のベンチマーク上で新しいSOTA性能を確立する。
  論文  参考訳（メタデータ） (2024-11-12T11:32:56Z)
• OPA-3D: Occlusion-Aware Pixel-Wise Aggregation for Monocular 3D Object Detection [51.153003057515754]
  OPA-3Dは、Occlusion-Aware Pixel-Wise Aggregationネットワークである。 密集した風景深度と、奥行きのある箱残量と物の境界箱を共同で推定する。 メインカーのカテゴリーでは最先端の手法よりも優れています。
  論文  参考訳（メタデータ） (2022-11-02T14:19:13Z)
• On Robust Cross-View Consistency in Self-Supervised Monocular Depth Estimation [56.97699793236174]
  本論文では,2種類の堅牢なクロスビュー整合性について検討する。 深度特徴空間と3次元ボクセル空間の時間的コヒーレンスを自己教師付き単眼深度推定に利用した。 いくつかのアウトドアベンチマークの実験結果から,本手法は最先端技術より優れていることが示された。
  論文  参考訳（メタデータ） (2022-09-19T03:46:13Z)

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。