論文の概要: Learning to Plan from Random Exploration

• arxiv url: http://arxiv.org/abs/2609.38383v1
• Date: Tue, 29 Sep 2026 18:38:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-01 18:57:26.596111
• Title: Learning to Plan from Random Exploration
• Title（参考訳）: ランダム探索からプランニングを学ぶ
• Abstract要約: ランダム探索を用いて,目標が特定される前に,環境をどう移動させるかを示す。 実験では、状態と画像を用いたランダムな探索から長距離迷路計画を示す。 さらに、ランダムな探索からエゴセントリックなナビゲーションや、最適下データからの操作計画についても紹介する。
• 参考スコア（独自算出の注目度）: 52.35271095559327
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Random exploration reveals how an environment can be traversed before a goal is specified. Can this experience support long-range planning without policy-improvement training? Our random-walk analysis explains what temporal relations contain: short horizons reveal geodesic geometry in the diffusion limit, while longer horizons reveal connectivity between regions before mixing removes these distinctions. We learn these relations with a conditional energy-based model that estimates temporal log-density ratios through horizon-conditioned embeddings. The model is trained on observation pairs by noise-contrastive estimation, without action or reward labels. The planner queries these learned relations at different horizons as it moves toward the goal. At test time, a separate local dynamics model predicts candidate action outcomes, and the temporal model evaluates their progress toward the goal by selecting or aggregating estimated improvements across horizons. The agent executes one action and replans with both models fixed. Experiments demonstrate long-range maze planning from random exploration using states and images. Learned score fields, embedding probes, and planned routes exhibit properties of a multiscale cognitive map. We further demonstrate egocentric navigation from random exploration and manipulation planning from suboptimal data.
• Abstract（参考訳）: ランダム探索は、目標が特定される前に環境を横断する方法を明らかにする。 この経験は、政策改善トレーニングなしで長距離計画をサポートできますか? 短地平線は拡散限界における測地幾何学を明らかにし、長地平線は混合前に領域間の接続を明らかにする。 地平線条件の埋め込みにより時間対数密度比を推定する条件付きエネルギーベースモデルを用いてこれらの関係を学習する。 モデルは、ノイズコントラスト推定により、アクションや報酬ラベルなしで観察ペアに基づいて訓練される。 プランナーは、学習した関係を異なる地平線でクエリし、目標に向かって進む。 テスト時には、別の局所力学モデルが候補行動の結果を予測し、時間的モデルは、地平線を越えて推定された改善を選定または集約することにより、目標に向けた進捗を評価する。 エージェントは1つのアクションを実行し、両方のモデルを固定して再計画する。 実験では、状態と画像を用いたランダムな探索から長距離迷路計画を示す。 学習されたスコアフィールド、埋め込みプローブ、計画されたルートは、マルチスケールの認知マップの特性を示す。 さらに、ランダムな探索からエゴセントリックなナビゲーションや、最適下データからの操作計画についても紹介する。

関連論文リスト

• All Roads Lead to Rome: Flow-driven Multi-Anchor Exploration for Open-Environment Active 3D Mapping [54.90158288791037]
  Open-Environment Active 3D Mappingは、見えないシナリオを再構築するために、長い水平かつ最も短い軌道探索を行うことを目的としている。 本研究では,フローマッチングを用いた条件付きマルチモーダルアンカー生成として,長距離目標予測を再構成する。 オープン環境における一般化と再構築の効率化を図る。
  論文  参考訳（メタデータ） (2026-09-29T07:20:32Z)
• WOLF: World Model Guided LiDAR Exploration with Predictive Frontiers [57.192711741481425]
  WOLFは、将来の観測を予測し、自律探査を強化する世界モデル誘導フレームワークである。 WOLFは、観測履歴と探索中の候補運動を組み合わせて、局所的占有率と可視性を予測する。 シミュレーションでは,ガレージにおけるEPICと比較して平均終端時間を10.9%削減する。
  論文  参考訳（メタデータ） (2026-09-20T14:09:26Z)
• TempSAL -- Uncovering Temporal Information for Deep Saliency Prediction [64.63645677568384]
  本稿では,逐次時間間隔でサリエンシマップを出力する新たなサリエンシ予測モデルを提案する。 提案手法は,学習した時間マップを組み合わせることで,サリエンシ予測を局所的に調整する。 私たちのコードはGitHubで公開されます。
  論文  参考訳（メタデータ） (2023-01-05T22:10:16Z)
• Learning-Augmented Model-Based Planning for Visual Exploration [8.870188183999854]
  学習型モデルベースプランニングを用いた新しい探索手法を提案する。 室内シーンの視覚センシングとセマンティックマッピングの進歩が活用される。 提案手法は,2.1%,RLに基づく探査手法8.4%を網羅的に上回っている。
  論文  参考訳（メタデータ） (2022-11-15T04:53:35Z)
• Latent World Models For Intrinsically Motivated Exploration [140.21871701134626]
  画像に基づく観察のための自己教師付き表現学習法を提案する。 我々は、部分的に観測可能な環境の探索を導くために、エピソードおよび寿命の不確実性を考慮する。
  論文  参考訳（メタデータ） (2020-10-05T19:47:04Z)

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。