論文の概要: Inspection-SPARS: Task-Oriented Sparse Roadmaps for Inspection Planning
- arxiv url: http://arxiv.org/abs/2609.35516v1
- Date: Mon, 28 Sep 2026 16:08:36 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-01 21:13:39.587952
- Title: Inspection-SPARS: Task-Oriented Sparse Roadmaps for Inspection Planning
- Title（参考訳）: インスペクション-SPARS:インスペクション計画のためのタスク指向スパースロードマップ
- Abstract要約: 検査計画では、一連の関心点を観察する最小長の衝突のないロボットツアーを求める。
複雑なロードマップは多様な検査の視点や動きのショートカットを捉え、高品質なソリューションを認める。
本稿では,POIカバレッジとパス品質保証を備えた最初の検査ロードマップスペーサーであるInspection-SPARSを提案する。
- 参考スコア（独自算出の注目度）: 8.568142982906755
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Inspection planning seeks a minimum-length collision-free robot tour that observes a given set of points of interest (POIs). Sampling-based methods reduce this continuous problem to a graph inspection planning (GIP) problem over a discrete roadmap, which is then solved using combinatorial solvers. Dense roadmaps capture diverse inspection viewpoints and motion shortcuts, and thus admit higher-quality solutions, but they induce large combinatorial search spaces on which state-of-the-art GIP solvers struggle to find good solutions within practical time budgets. Roadmap sparsification---restructuring a dense roadmap into a compact representation that preserves connectivity and path lengths---can alleviate this burden. However, existing sparsification approaches are either agnostic to the underlying inspection task, or strive to ensure coverage of the POIs without accounting for the quality of the resulting inspection plan. We present Inspection-SPARS, which is, to our knowledge, the first inspection-roadmap sparsifier with POI coverage and path-quality guarantees relative to the dense roadmap. To this end, we generalize the SPARS framework, a popular task-agnostic sparsifier, from purely geometric criteria to task-oriented ones, introducing an inspection-aware vertex admission mechanism that treats POI coverage as a first-class sparsification criterion alongside connectivity and path quality. Experiments in realistic 3D environments show that Inspection-SPARS reduces vertex and edge counts by 4-8x while preserving coverage, allowing the GIP solver to compute tours up to 25% shorter than with the dense roadmap or state-of-the-art inspection roadmap. More broadly, Inspection-SPARS shows that sparsification can be made task-aware without sacrificing guarantees on solution quality.
- Abstract（参考訳）: 検査計画では、与えられた関心点(POI)を観測する最小長の衝突のないロボットツアーを求める。
サンプリングベースの手法は、この連続的な問題を離散的なロードマップ上のグラフ検査計画(GIP)問題に還元し、組合せ解法を用いて解決する。
デンスロードマップは多様な検査視点や動作ショートカットを捉え、高品質なソリューションを認めるが、最先端のGIP解決者が実用的な時間予算内で優れたソリューションを見つけるのに苦労する大規模な組合せ探索空間を誘導する。
ロードマップのスパーシフィケーション - 接続性とパスの長さを保持するコンパクトな表現に高密度なロードマップを再構築することで、この負担を軽減することができる。
しかし、既存のスペーシフィケーションアプローチは、基礎となる検査作業に非依存であるか、あるいは、その結果の検査計画の品質を考慮せずに、POIのカバレッジを確保するよう努めている。
Inspection-SPARSはPOIカバレッジとパス品質保証を備えた最初のインスペクション・ロードマップスペーサーである。
この目的のために、一般的なタスク非依存のスペーサーであるSPARSフレームワークを、純粋に幾何学的基準からタスク指向のものに一般化し、接続性やパス品質とともにPOIカバレッジを第一級スペーサー化基準として扱う検査対応頂点入力機構を導入する。
現実的な3D環境での実験では、Inspection-SPARSは、カバレッジを維持しながら頂点とエッジの数を4～8倍削減し、GIPソルバは、密集したロードマップや最先端の検査ロードマップよりも最大25%短いツアーを計算できる。
より広範に、Inspection-SPARSは、ソリューション品質の保証を犠牲にすることなく、スパーシフィケーションをタスクアウェアにすることができることを示している。
関連論文リスト
- Explore From Sketch: Accelerating UAV Exploration in Large-scale Environments with Prior Maps [20.559950853029]
本稿では,LiDARをベースとしたUAV探査において,スパース,アンアライメント,さらには2次元事前地図の離散化を生かした新しい探索フレームワークを提案する。
ベンチマーク評価では、探査効率が34.2%向上し、飛行距離が37.9%減少した。
論文 参考訳（メタデータ） (2026-06-10T06:30:29Z) - OptiMVMap: Offline Vectorized Map Construction via Optimal Multi-vehicle Perspectives [111.69010751405368]
オフラインベクトル化マップは、高精度の自動運転およびマッピングサービスの重要な基盤となっている。
既存のアプローチは、基本的に視点の不十分さに苦しむ1つのエゴ車軌道に大きく依存している。
本稿では,これらの課題に体系的に対処するために,多車種対応マップを選択型ヒューズ問題として再構成するOptiMVMapを提案する。
論文 参考訳（メタデータ） (2026-04-18T20:23:27Z) - A Comparison of Reinforcement Learning and Optimal Control Methods for Path Planning [0.3823356975862005]
脅威に満ちた環境での自動運転車のパスプランニングは、根本的な課題である。
本稿では,Deep Deterministic Policy Gradient (DDPG) に基づく手法を提案する。
ミッション失敗は、車両がいつでもこのノーゴーゾーンに入るか、目的地の近傍に到達しない場合である。
論文 参考訳（メタデータ） (2026-04-14T11:55:15Z) - RPT*: Global Planning with Probabilistic Terminals for Target Search in Complex Environments [24.363288778774404]
本稿では,HPP-PT(Probabilistic Terminals)を用いた変種HPPについて検討する。
HPP-PTは対象物探索において発生し、移動ロボットは対象物を見つけるためにすべての候補地を訪れなければならない。
我々は,新しい状態空間における動的プログラミングを活用して,履歴依存やノベルをバイパスし,計算速度を向上する解の最適性保証を備えた検索ベースアプローチRTT*を提案する。
論文 参考訳（メタデータ） (2026-01-19T03:55:35Z) - A Mutual Learning Method for Salient Object Detection with intertwined Multi-Supervision--Revised [67.61878540090116]
本稿では,有意な物体検出だけでなく,前景の輪郭検出やエッジ検出から,その監視を活用して,有意性検出ネットワークを訓練することを提案する。
まず,一様ハイライトの有向マップを生成するために,有向物体検出タスクと前景輪郭検出タスクを相互に活用する。
第2に、前景輪郭とエッジ検出タスクが同時にガイドされ、それによって正確な前景輪郭予測が行われ、エッジ予測のための局所ノイズが低減される。
論文 参考訳（メタデータ） (2025-09-21T22:30:32Z) - P2Object: Single Point Supervised Object Detection and Instance Segmentation [58.778288785355]
バランスの取れたtextbftextitinstance レベルの提案バッグを構成する Point-to-Box Network (P2BNet) を導入する。
P2MNetはより正確なバウンディングボックスを生成し、セグメンテーションタスクに一般化することができる。
提案手法は,COCO,VOC,Cityscapesの平均精度において,従来の手法をはるかに上回っている。
論文 参考訳（メタデータ） (2025-04-10T14:51:08Z) - SCoTT: Strategic Chain-of-Thought Tasking for Wireless-Aware Robot Navigation in Digital Twins [78.53885607559958]
無線対応経路計画フレームワークであるSCoTTを提案する。
SCoTT は DP-WA* の2% 以内で経路ゲインを達成し, 連続的に短い軌道を生成できることを示す。
また,ガゼボシミュレーションにおいて,SCoTTをROSノードとして配置することにより,本手法の実用性を示す。
論文 参考訳（メタデータ） (2024-11-27T10:45:49Z) - Ant Colony Optimization for Cooperative Inspection Path Planning Using
Multiple Unmanned Aerial Vehicles [0.9208007322096533]
本稿では無人航空機(UAV)の協調経路計画問題に対処する新しい群知能に基づくアプローチを提案する。
このアプローチでは、UAVの視点を生成するために構造の3Dモデルを使用する。
実構造物の3次元モデルを用いた実験を行い,提案手法の性能評価を行った。
論文 参考訳（メタデータ） (2024-02-13T06:20:37Z) - UAS-based Automated Structural Inspection Path Planning via Visual Data
Analytics and Optimization [1.1496057626375067]
Unmanned Aerial Systems (UAS) はインフラ検査の分野で大きな注目を集めている。
この点における中核的な問題は、最適な自動飛行経路を選択することである。
本稿では,構造検査の文脈における経路計画問題に対する効果的な定式化について述べる。
論文 参考訳（メタデータ） (2023-12-22T23:07:20Z) - Small Object Detection via Coarse-to-fine Proposal Generation and
Imitation Learning [52.06176253457522]
本稿では,粗粒度パイプラインと特徴模倣学習に基づく小型物体検出に適した2段階フレームワークを提案する。
CFINetは、大規模な小さなオブジェクト検出ベンチマークであるSODA-DとSODA-Aで最先端の性能を達成する。
論文 参考訳（メタデータ） (2023-08-18T13:13:09Z) - Tracking Road Users using Constraint Programming [79.32806233778511]
本稿では,マルチオブジェクトトラッキング(MOT)問題のトラッキング・バイ・検出パラダイムに見られるデータアソシエーションフェーズに対する制約プログラミング(CP)アプローチを提案する。
提案手法は車両追跡データを用いてテストし,UA-DETRACベンチマークの上位手法よりも優れた結果を得た。
論文 参考訳（メタデータ） (2020-03-10T00:04:32Z)
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。