論文の概要: A Sample-Based Approach for Hierarchical Information-Theoretic Compression of Probabilistic Occupancy Grids
- arxiv url: http://arxiv.org/abs/2609.27330v1
- Date: Wed, 23 Sep 2026 04:09:03 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-25 00:05:17.879655
- Title: A Sample-Based Approach for Hierarchical Information-Theoretic Compression of Probabilistic Occupancy Grids
- Title（参考訳）: 階層型情報理論による確率的活動グリッドの圧縮のためのサンプルベースアプローチ
- Abstract要約: 動的プログラミングに基づく徹底的再帰による情報-最適抽象化の計算法
我々はモンテカルロ木探索(MCTS)にインスパイアされたサンプルベース戦略を導入し,統計的推定により階層的抽象化を漸進的に構築する。
- 参考スコア（独自算出の注目度）: 0.7996068743652086
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We develop a sample-based framework for constructing information-driven hierarchical multi-resolution representations of probabilistic occupancy grids. Recent methods compute information-optimal abstractions via dynamic-programming-based exhaustive recursions, which become computationally prohibitive for large-scale grids and are ill-suited to robotics applications. To address this limitation, we introduce a sample-based strategy inspired by Monte Carlo Tree Search (MCTS) that incrementally constructs hierarchical abstractions through statistical estimation rather than exhaustive enumeration. The proposed method is anytime in nature, allowing computation to be terminated at any stage to produce a valid compressed representation. We compare our approach with the information-optimal Q-tree search algorithm and demonstrate its effectiveness in rapidly generating abstractions of large real-world probabilistic occupancy grids.
- Abstract（参考訳）: 本研究では,確率的占有グリッドの多階層的階層表現を構築するためのサンプルベースフレームワークを開発する。
近年, 大規模グリッドでは計算が禁じられ, ロボティクス応用には不適な動的プログラミングに基づく徹底的再帰を通じて, 情報-最適抽象化を計算している。
この制限に対処するために,モンテカルロ木探索(MCTS)に触発されたサンプルベース戦略を導入する。
提案手法は本質的にはいつでも,任意の段階で計算を終了し,有効な圧縮表現を生成する。
提案手法を情報最適化Q木探索アルゴリズムと比較し,実世界の確率的占有グリッドを高速に抽象化する方法の有効性を実証する。
関連論文リスト
- Weighted Support Points from Random Measures: An Interpretable Alternative for Generative Modeling [0.0]
ランダムな重み付きサポートポイントに基づく生成モデリングフレームワークを提案する。
提案手法は,固定されたデータセットから多種多様で解釈可能なサンプルセットを生成する。
提案手法は,ブラックボックス代替品の計算コストのごく一部で,高品質で多様な出力を生成する。
論文 参考訳（メタデータ） (2025-08-28T22:58:39Z) - Efficient Model-Free Exploration in Low-Rank MDPs [76.87340323826945]
低ランクマルコフ決定プロセスは、関数近似を持つRLに対して単純だが表現力のあるフレームワークを提供する。
既存のアルゴリズムは、(1)計算的に抽出可能であるか、または(2)制限的な統計的仮定に依存している。
提案手法は,低ランクMPPの探索のための最初の実証可能なサンプル効率アルゴリズムである。
論文 参考訳（メタデータ） (2023-07-08T15:41:48Z) - Provably Efficient Representation Learning with Tractable Planning in
Low-Rank POMDP [81.00800920928621]
部分的に観測可能なマルコフ決定過程(POMDP)における表現学習の研究
まず,不確実性(OFU)に直面した最大推定(MLE)と楽観性を組み合わせた復調性POMDPのアルゴリズムを提案する。
次に、このアルゴリズムをより広範な$gamma$-observable POMDPのクラスで機能させる方法を示す。
論文 参考訳（メタデータ） (2023-06-21T16:04:03Z) - Hierarchical clustering with dot products recovers hidden tree structure [53.68551192799585]
本稿では,階層構造の回復に着目した凝集クラスタリングアルゴリズムの新しい視点を提案する。
クラスタを最大平均点積でマージし、例えば最小距離やクラスタ内分散でマージしないような、標準的なアルゴリズムの単純な変種を推奨する。
このアルゴリズムにより得られた木は、汎用確率的グラフィカルモデルの下で、データ中の生成的階層構造をボナフェイド推定することを示した。
論文 参考訳（メタデータ） (2023-05-24T11:05:12Z) - A Unified View of Algorithms for Path Planning Using Probabilistic
Inference on Factor Graphs [2.4874504720536317]
この研究は、様々なコスト関数から生じる特定の再帰について考察し、スコープに類似しているように見えるが、少なくとも典型的な経路計画問題に適用した場合に違いがある。
確率空間とログ空間の両方で提示されるこの統一されたアプローチは、Sum-product、Max-product、Dynamic Programming、混合Reward/Entropy基準に基づくアルゴリズムを含む非常に一般的なフレームワークを提供する。
論文 参考訳（メタデータ） (2021-06-19T07:13:15Z) - Optimal Counterfactual Explanations in Tree Ensembles [3.8073142980733]
我々は「最適」な説明を目的としたモデルに基づく探索を提唱し、効率的な混合整数プログラミング手法を提案する。
孤立林は我々のフレームワーク内でモデル化され、低いアウトリーチスコアで妥当な説明に焦点を絞ることができることを示す。
論文 参考訳（メタデータ） (2021-06-11T22:44:27Z) - Estimating leverage scores via rank revealing methods and randomization [50.591267188664666]
任意のランクの正方形密度あるいはスパース行列の統計レバレッジスコアを推定するアルゴリズムについて検討した。
提案手法は,高密度およびスパースなランダム化次元性還元変換の合成と階調明細化法を組み合わせることに基づく。
論文 参考訳（メタデータ） (2021-05-23T19:21:55Z) - Hierarchical regularization networks for sparsification based learning
on noisy datasets [0.0]
階層は、連続的により微細なスケールで特定される近似空間から従う。
各スケールでのモデル一般化を促進するため,複数次元にわたる新規な射影型ペナルティ演算子も導入する。
その結果、合成データセットと実データセットの両方において、データ削減およびモデリング戦略としてのアプローチの性能が示された。
論文 参考訳（メタデータ） (2020-06-09T18:32:24Z)
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。