論文の概要: BLT*: Informed Belief Localization Trees for Uncertainty-Aware Planning on Digital Twins

• arxiv url: http://arxiv.org/abs/2610.01972v1
• Date: Thu, 01 Oct 2026 16:21:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-03 01:19:24.27506
• Title: BLT*: Informed Belief Localization Trees for Uncertainty-Aware Planning on Digital Twins
• Title（参考訳）: BLT*:デジタル双生児の不確実性を考慮した計画のためのインフォームド・リーフ・ローカライゼーション・ツリー
• Abstract要約: Informed Belief Localization Trees* (Informed BLT*)は,サンプリングに基づく信念空間計画アルゴリズムである。 RRT* と Informed RRT* を 2$-ワッサーシュタイン計量を用いて信念空間に適用する。 我々は、ポイントクラウドベースのローカライゼーションを備えた実環境における計画のためのセマンティックラベル付きデジタルツインを生成する。
• 参考スコア（独自算出の注目度）: 9.94837485119294
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We present Informed Belief Localization Trees* (Informed BLT*), a sampling-based belief space planning (BSP) algorithm that scales to large outdoor digital twins with point-cloud observations. We adapt RRT* and Informed RRT* to belief space using the $2$-Wasserstein ($W_2$) metric. Assuming isotropic Gaussian beliefs, sampled belief states can be connected efficiently while accounting for available information and probabilistic collision constraints. This enables steering and rewiring without repeatedly propagating observations, and allows previously computed measurement information to be reused. We present a framework to generate semantically labelled digital twins for planning in real-world environments with point-cloud-based localization. Experiments in simulated environments and digital twins show faster initial solution discovery in most maps with competitive cost convergence.
• Abstract（参考訳）: Informed Belief Localization Trees* (Informed BLT*) は,大規模屋外デジタル双生児に点-クラウド観測を施したサンプリングベースの信念空間計画法である。 RRT* と Informed RRT* を 2$-Wasserstein (W_2$) 計量を用いて信念空間に適用する。 等方的ガウス的信念を仮定すると、サンプル化された信念状態は、利用可能な情報と確率的衝突制約を考慮に入れながら効率的に接続することができる。 これにより、観測を繰り返し伝搬することなく、ステアリングと再配線が可能となり、予め計算された測定情報を再利用することができる。 我々は,実環境において,ポイントクラウドによるローカライゼーションを用いて,意味的にラベル付けされたディジタルツインを生成するためのフレームワークを提案する。 シミュレーションされた環境とデジタルツインの実験は、競争力のあるコスト収束を持つほとんどの地図において、より高速な初期解発見を示す。

関連論文リスト

• Solution for UCF UrbanTwin V2X-Real Track: Sim-to-Real Urban LiDAR 3D Object Detection [54.03436243843709]
  本報告では,Sim2Real 3D検出のためのマルチソース協調学習とクラス認識融合フレームワークを提案する。 この方法は、デジタルツインスキャン、拡散露光スキャン、密度安定化スキャン、歩行者形態に整列したサンプルを補完的な役割を持つ統合トレーニングプールに整理する。
  論文  参考訳（メタデータ） (2026-09-07T15:16:15Z)
• Bridging the Data Gap: Digital Twin as a New Paradigm for AI-based Radio Sensing [0.8748990512790668]
  本稿では, 環境の3次元ディジタル双対(DT)を, 大規模無線センシングの開発を支える主要な実現要因として位置づける手法を提案する。 DTは世界モデルとして機能し、時間インデクシングされたチャネルインパルス応答(CIR)を生成するレイトレーシングエンジンに幾何学、材料、送信機/受信機配置を提供する。 我々は、CIR時系列を空間占有率推定にマッピングするシーケンシャルニューラルネットワークを訓練し、計測対象のないデバイスフリーローカライゼーション(DFL)を可能にする。
  論文  参考訳（メタデータ） (2026-08-11T08:26:17Z)
• LOCUS-DT: Localization via Observation-Conditioned Uncertainty Scoring with Digital Twins [30.33598771439331]
  本稿では,送信機位置上の後部推論としてスナップショットローカライゼーションを扱うLOCUS-DTを提案する。 既知の環境のレイトレーシングに基づくディジタルツイン(DT)を利用して、LOCUS-DTは候補位置の合成マルチパスプロファイルを生成する。 Sionna-based ray-tracing backend を用いてシステム評価を行い、LOCUS-DT が標準ガウスまたはガウス混合ベンチマークよりも正確に屋内環境に固有のシャープでマルチモーダルな後部構造を捉えることを示した。
  論文  参考訳（メタデータ） (2026-08-01T03:02:15Z)
• From Distances to Trajectories: Real-Time Signed Distance Function Mapping and Distance-Accelerated Motion Planning for UAVs [8.393016378205752]
  我々は、マッピングとプランニングは単一の表現を中心に共同設計されるべきであると主張する:符号付き距離関数(SDF)。 タンデムでは、距離情報を利用して最大衝突のない球を成長させる検索ベースのプランナーであるBubble$star$を開発する。 計算制約の厳密な条件下で室内環境をリアルタイムでナビゲートし,四角形回路上でのOREN-Bubble$star$アプローチを実演する。
  論文  参考訳（メタデータ） (2026-07-21T17:18:46Z)
• Fast Estimation of Wasserstein Distances via Regression on Sliced Wasserstein Distances [70.94157767200342]
  本稿では,スライスされたワッサーシュタイン距離の回帰に基づく高速推定法を提案する。 少数の分布対から正確なモデルを学習できることが示される。 我々の手法は、最先端のワッサーシュタイン埋め込みモデルであるワッサーシュタインワームホールよりも、ワッサーシュタイン距離の近似が常に優れている。
  論文  参考訳（メタデータ） (2025-09-24T19:30:53Z)
• Don't Get Lost in the Trees: Streamlining LLM Reasoning by Overcoming Tree Search Exploration Pitfalls [83.89771461061903]
  検証者による木探索アルゴリズムの最近の進歩は、大規模言語モデル(LLM)の推論能力を大幅に向上させた。 検証者による木探索アルゴリズムの最近の進歩は、大規模言語モデル(LLM)の推論能力を大幅に向上させた。 意味論的に等価なコンテンツを持つ冗長な状態による$textitover-Exploration$と、検証器のスコアリングにおける高いばらつきに起因する$textitunder-Exploration$である。 各種木探索アルゴリズムに適合するフレキシブルなプラグアンドプレイシステムであるFETCHを提案する。
  論文  参考訳（メタデータ） (2025-02-16T16:12:01Z)
• Spherical Frustum Sparse Convolution Network for LiDAR Point Cloud Semantic Segmentation [62.258256483231484]
  LiDARポイントクラウドセマンティックセグメンテーションにより、ロボットは周囲の環境のきめ細かいセマンティック情報を得ることができる。 多くの研究が2Dイメージ上にポイントクラウドを投影し、LiDARポイントクラウドセマンティックセグメンテーションのための2D畳み込みニューラルネットワーク(CNN)またはビジョントランスフォーマーを採用する。 本稿では,情報損失の定量化を回避するために,新しい球状フラストラム構造を提案する。
  論文  参考訳（メタデータ） (2023-11-29T09:55:13Z)
• iSDF: Real-Time Neural Signed Distance Fields for Robot Perception [64.80458128766254]
  iSDFは実時間符号付き距離場再構成のための連続学習システムである。 より正確な再構築と、衝突コストと勾配のより良い近似を生成する。
  論文  参考訳（メタデータ） (2022-04-05T15:48:39Z)
• Automatic marker-free registration of tree point-cloud data based on rotating projection [23.08199833637939]
  本研究では,1本の木を複数スキャンした点クラウドデータの登録のための粗大な自動登録手法を提案する。 粗い登録では、各スキャンによって生成された点雲を球面に投影して一連の2次元画像を生成する。 対応する特徴点対は、これらの一連の2次元画像から抽出される。 微細な登録では、点雲データスライシングとフィッティング法を用いて、対応する中心茎と分岐中心を抽出する。
  論文  参考訳（メタデータ） (2020-01-30T06:53:59Z)

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。