論文の概要: Masked Generative Motion Planning with Geometry-Guided Token Search

• arxiv url: http://arxiv.org/abs/2610.10646v1
• Date: Wed, 07 Oct 2026 15:19:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-10 02:36:53.599497
• Title: Masked Generative Motion Planning with Geometry-Guided Token Search
• Title（参考訳）: 幾何誘導トークン探索によるマスケ生成運動計画
• Abstract要約: 生成運動プランナーは通常、学習された軌道先を初期生成に使用し、テストタイムの修理は局所的な連続的な改善に委ねる。 Masked Generative Motion Planning (MGMP)を導入し、効率的な並列生成から構造的修復まで学習対象を拡張した。 MGMPはRing Mazeで96%の成功、82%の修理成功でKukaで制御されたルート無効化を達成した。
• 参考スコア（独自算出の注目度）: 11.131375304709238
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Generative motion planners typically use learned trajectory priors for initial generation, while leaving test-time repair to local continuous refinement. We introduce Masked Generative Motion Planning (MGMP), which extends the learned prior from efficient parallel generation to structural repair. A masked generative transformer generates discrete trajectory candidates in parallel, and Geometry-Guided Token Search (GGTS) uses scene geometry to target where to edit and which prior-supported alternatives to evaluate. This turns refinement into an efficient search over discrete motion alternatives, enabling route-level restructuring beyond local trajectory deformation. MGMP achieves 96% success on Ring Maze and 82% repair success on Controlled Route Invalidation on Kuka, exceeding the strongest external baselines by 23 and 25 percentage points, respectively. It further generalizes to unseen layouts, additional obstacles, unseen geometries, single- and dual-arm planning, and real-world Baxter tasks.
• Abstract（参考訳）: 生成運動プランナーは通常、学習された軌道先を初期生成に使用し、テストタイムの修理は局所的な連続的な改善に委ねる。 Masked Generative Motion Planning (MGMP)を導入し、効率的な並列生成から構造的修復まで学習対象を拡張した。 マスク付き生成変換器は、個別の軌道候補を並列に生成し、Geometry-Guided Token Search(GGTS)は、シーンジオメトリを使用して、どの編集場所と、どの事前支援された代替品を評価すべきかをターゲットとする。 これにより、改良は離散的な運動の代替よりも効率的な探索となり、局所的な軌道変形を超えた経路レベルの再構成を可能にした。 MGMPはリング迷路で96%、クカで制御されたルート無効化で82%の修復成功を達成し、それぞれ23ポイントと25ポイントという最強の外部ベースラインを上回りました。 さらに、未確認のレイアウト、追加の障害、未確認のジオメトリー、単発と双発の計画、現実世界のバクスタータスクに一般化する。

関連論文リスト

• GeoAAC: Geometry-Based Adaptive Action Chunking from Denoising Trajectories in VLA Policies [60.024414279431625]
  アクションチャンキングは、VLA(Vision-Language-Action)ポリシーにおけるアクション生成と実行に広く使用されている。 フローベースのVLAポリシーのための幾何学に基づく適応的アクションチャンキング手法である textbfGeoAAC を提案する。
  論文  参考訳（メタデータ） (2026-09-17T17:48:07Z)
• From Open Loop to Closed Loop: A Test-Time Iterative Optimization Framework for Reference-Consistent Image Generation [108.02425846269234]
  制御可能な画像生成は、視覚的参照条件を組み込むことで、大きな進歩を遂げた。 既存の方法は、主にオープンループシステムとして動作する。 本稿では,閉ループ動的トラッキング問題として参照一貫性生成を再構成する新しいテスト時間反復最適化フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-07-06T05:36:30Z)
• 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)
• DeGRe: Dense-supervised Generative Reranking for Recommendation [22.41679588580571]
  オフラインの探索とオンラインの効率のギャップを、密集した監督によって埋める、ジェネレーティブ・リグレード・フレームワークであるDeGReを提案する。 トレーニング中、評価器から高密度の監視信号に変換し、それらを軽量オンラインジェネレータに蒸留する。 私たちは、Taobao Flash ShoppingにDeGReをうまくデプロイし、オンラインレコメンデーションを大幅に改善しました。
  論文  参考訳（メタデータ） (2026-05-25T12:00:42Z)
• iGSP:Implicit Gradient Subspace Projection for Efficient Continual Learning of Vision-Language Models [14.623213614166259]
  iGSPは暗黙の勾配部分空間投影による効率的な適応を実現する新しいフレームワークである。 MTILベンチマークの実験は、iGSPが最先端の精度を達成することを示した。
  論文  参考訳（メタデータ） (2026-05-19T03:22:14Z)
• Geometry-Aligned LLM Fine-Tuning for Sequential Narrow-Opening Planning [6.579320299248572]
  複数の狭い開口部を通した剛体運動計画について検討した。 そこで本研究では,幾何整合型大規模言語モデル(LLM)の微調整フレームワークを提案する。 本手法は,流通環境とアウト・オブ・ディストリビューション環境の両方において,最も高い成功率を達成する。
  論文  参考訳（メタデータ） (2026-03-17T00:24:32Z)
• GSPlane: Concise and Accurate Planar Reconstruction via Structured Representation [30.083162532688096]
  GSPlaneは正確な形状を復元し、平面領域に対してクリーンでよく構造化されたメッシュ接続を生成する。 また、支持平面上のオブジェクトの分離と柔軟な操作を可能にする構造化平面表現の応用についても検討する。
  論文  参考訳（メタデータ） (2025-10-20T01:59:21Z)
• G4Splat: Geometry-Guided Gaussian Splatting with Generative Prior [53.762256749551284]
  我々は,3次元シーン再構成を効果的に活用するための基本的な前提条件として,正確な幾何学を同定する。 生成パイプライン全体にこの幾何学的ガイダンスを導入し、可視性マスク推定を改善し、新しいビュー選択をガイドし、ビデオ拡散モデルに着色した場合の多視点一貫性を向上させる。 本手法は,屋内および屋外の両方のシナリオにおいて,高い一般化性を有するシングルビュー入力とアンポーズ映像を自然にサポートする。
  論文  参考訳（メタデータ） (2025-10-14T03:06:28Z)
• RGE-GS: Reward-Guided Expansive Driving Scene Reconstruction via Diffusion Priors [54.81109375939306]
  RGE-GSは、拡散に基づく生成と報酬誘導ガウス積分を相乗化する新しい拡張的再構築フレームワークである。 本稿では,復元フェーズに先立って一貫したパターンを識別・優先順位付けする報奨ネットワークを提案する。 復元過程において,シーン収束度に応じてガウス最適化の進捗を自動的に調整する学習戦略を考案した。
  論文  参考訳（メタデータ） (2025-06-28T08:02:54Z)

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。