論文の概要: ST-pRRTC: Parallel Space-Time RRT-C with Adaptive Goal-Time Forests

• arxiv url: http://arxiv.org/abs/2609.30533v1
• Date: Thu, 24 Sep 2026 20:39:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-28 18:27:51.134447
• Title: ST-pRRTC: Parallel Space-Time RRT-C with Adaptive Goal-Time Forests
• Title（参考訳）: ST-pRRTC:アダプティブゴールタイムフォレストを用いた並列時空間RT-C
• Abstract要約: 多くの到着時間の探索は、時間的範囲を広げるが、計画予算を、より後方のツリーに分けている。 この課題に対処するため、ST-pRRTCは、共通のフォワードツリーと、後方のゴールタイムツリーの適応的なフォレストを構築する。 実験により、両変種はST-RRT*とSI-RRTよりも平均第一溶解時間と初期最終到着時間が低いことがわかった。 実ロボットによるデモでは、動くクラジフリー四重項のUR5eのルートリサイクルST-pRRTC計画運動が示されている。
• 参考スコア（独自算出の注目度）: 16.423795837417163
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We propose ST-pRRTC, a GPU-parallel space- time RRT-Connect motion planner for problems with known obstacle trajectories and unspecified arrival time. Searching over many arrival times broadens temporal coverage but divides a finite planning budget among more backward trees. To address the challenge, ST-pRRTC builds a shared forward tree and an adaptive forest of backward goal-time trees. Its interval root formulation samples goal arrival times continuously and guarantees probabilistic completeness and asymptotic arrival- time optimality under the stated assumptions in a bounded time domain. The practical root recycling policy has no such guar- antees. It adapts a fixed number of backward trees, replacing later roots while retaining useful search progress. Experiments on three dynamic benchmarks show that both variants achieve lower mean first-solution times and earlier mean final arrivals than ST-RRT* and SI-RRT on problems solved by all compared methods. Further experiments demonstrate the benefit of recy- cling over broad arrival-time ranges. Real-robot demonstrations show root-recycling ST-pRRTC planning motions for a UR5e among moving Crazyflie quadrotors.
• Abstract（参考訳）: 本稿では,GPU並列時空間RRT-ConnectモーションプランナST-pRRTCを提案する。 多くの到着時間の探索は時間的範囲を広げるが、計画予算はより後方のツリーに分けている。 この課題に対処するため、ST-pRRTCは、共通のフォワードツリーと、後方のゴールタイムツリーの適応的なフォレストを構築する。 その区間根の定式化は、目標到達時刻を連続的にサンプリングし、有界時間領域の仮定の下で確率的完全性と漸近到着時間最適性を保証する。 実用的な根のリサイクル政策には、そのようなグアアンティーは存在しない。 一定の数の後方木に適応し、後続の根を置換し、有用な探索の進捗を維持する。 3つの動的ベンチマーク実験の結果, 両変種ともST-RRT* や SI-RRT よりも平均1次解法時間が低く, 最終到達時間が早くなることがわかった。 さらなる実験では、広い到達時間範囲でサイクリングの利点が示される。 実ロボットによるデモでは、動くクラジフリー四重項のUR5eのルートリサイクルST-pRRTC計画運動が示されている。

関連論文リスト

• Self-Normalized Inference for Constant-Stepsize Temporal-Difference Learning under Markovian Sampling [9.271408028342496]
  定段階時間差学習(TD)は政策評価に魅力的であるが,1つのマルコフ軌道からの推論は連続的依存と段階的依存的定常目標を考慮しなければならない。 我々は、ランダムなTD行列と定常反復誤差によって誘導される乗法成分を共分散が保持する機能中心極限定理を確立する。 FrozenLakeとGarnetの実験では、静止目標被覆、RR目標補正、地平線インデクシング設計の有限サンプル挙動が示されている。
  論文  参考訳（メタデータ） (2026-08-11T13:19:28Z)
• Process Reward Informed Tree Rollout for Effective Multi-Turn RL [58.392997761968566]
  長期のエージェントタスクでは、均一なロールアウト戦略は、非形式的なデッドエンドの試みに予算を無駄にする可能性がある。 本稿では,マルチターンエージェントRLの品質を意識したロールアウトフレームワークであるProcess-Scorer Guided Adaptive Tree Rollout (PATR)を提案する。 PATRはタスクに適したプロセスフィードバックを使用して部分的軌跡をスコアし、将来性のある状態から選択的に分岐し、共有プレフィックスを再利用し、無駄なサンプリングを減らすために経路を保守的に停止する。
  論文  参考訳（メタデータ） (2026-07-17T04:16:58Z)
• Trajectory-Anchor Optimization for Overconfident Thermal Visual Place Recognition: Zero-Leakage OOD Auditing and Kidnapped-Robot Recovery [3.9929096403817255]
  Trajectory-Anchor Optimization (TAO) はマクロスケールでの効率的なフェールセーフフィルタである。 5mの半径内では、幻覚はしばしば固いアライメントを知覚する局所的に一貫した幾何学を持つ。 TAOは、多視点の一貫性が破滅的な地形破壊を確実に分離する、明確な収束盆地(10m)を確立している。
  論文  参考訳（メタデータ） (2026-07-06T07:31:37Z)
• UAV-MapFusion: RTK-Aligned Uncertainty-Aware Coarse-to-Fine Multi-Session UAV Mapping [10.494473889988074]
  大規模クラウドマップはロボット工学や空間知能のタスクに不可欠である。 飛行耐久力の制限と搭載ストレージのため、1回の飛行で大規模なシーンをマッピングすることは依然として困難である。 既存のマルチセッションマップマージ手法はマッピング範囲を拡張できるが、UAVのシナリオでは、長距離ドリフトを同時に抑制し、局所的な幾何学的精度を維持するのに苦労している。
  論文  参考訳（メタデータ） (2026-06-25T12:03:29Z)
• Temporal Backtracking Search for Test-time Generative Video Reasoning [51.4821857044108]
  生成的ビデオ推論は、シングルショットのパラダイムによってボトルネックになっている。 本稿では,検索空間を時間軸にシフトさせるTBS(Temporal Backtracking Search)を提案する。 厳格なアウト・オブ・ディストリビューション設定では、TBSは22.7%を達成し、解決された各エピソードは再起動されたブランチから始まる。
  論文  参考訳（メタデータ） (2026-06-11T19:41:18Z)
• SSR: A Training-Free Approach for Streaming 3D Reconstruction [53.19807901585702]
  自己表現型シーケンス規則化(Self Expressive Sequence Regularization、SSR)は、推論中にグラスマン列の正則性を強制するプラグアンドプレイ演算子である。 本研究では,SSRが連続的にドリフトを低減し,複数のストリーミング3D再構成タスクにおける再構成品質を向上させることを示す。
  論文  参考訳（メタデータ） (2026-03-16T02:55:14Z)
• Many-RRT*: Robust Joint-Space Trajectory Planning for Serial Manipulators [1.157930969832493]
  マニピュレータの関節空間における計画は、非可逆的な前方運動学による重要な課題を呈する。 Many-RRT* は RRT*-Connect の拡張であり、複数の目標を並行して計画している。
  論文  参考訳（メタデータ） (2026-03-04T19:31:37Z)
• RE-TRAC: REcursive TRAjectory Compression for Deep Search Agents [144.5598958575922]
  Re-TRACはクロス軌道探索を行うエージェントフレームワークである。 Re-TRAC は BrowseComp とフロンティア LLM で連続して ReAct を 15-20% 上回っていることを示す。
  論文  参考訳（メタデータ） (2026-02-02T18:58:07Z)
• SRRT: Exploring Search Region Regulation for Visual Object Tracking [58.68120400180216]
  探索領域規則追跡(SRRT)と呼ばれる新しい追跡パラダイムを提案する。 SRRTでは,各フレームに対して最適な探索領域を動的に推定するために,提案された探索領域レギュレータを適用している。 大規模なLaSOTベンチマークでは、SRRTはSiamRPN++とTransTをAUCの4.6%と3.1%で改善した。
  論文  参考訳（メタデータ） (2022-07-10T11:18:26Z)
• Supporting Optimal Phase Space Reconstructions Using Neural Network Architecture for Time Series Modeling [68.8204255655161]
  位相空間特性を暗黙的に学習する機構を持つ人工ニューラルネットワークを提案する。 私たちのアプローチは、ほとんどの最先端戦略と同じくらいの競争力があるか、あるいは優れているかのどちらかです。
  論文  参考訳（メタデータ） (2020-06-19T21:04:47Z)

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。