Fugu-MT 論文翻訳(概要): Graphs of Trajectory Bundles for Nonlinear Motion Planning

論文の概要: Graphs of Trajectory Bundles for Nonlinear Motion Planning

arxiv url: http://arxiv.org/abs/2610.32365v1
Date: Fri, 23 Oct 2026 08:56:30 GMT
ステータス: 翻訳完了
システム内更新日: 2026-10-27 01:38:06.440673
Title: Graphs of Trajectory Bundles for Nonlinear Motion Planning
Title（参考訳）: 非線形運動計画のための軌道束グラフ
Abstract要約: 非線形・ブラックボックス力学系における動作計画のためのGTB法を提案する。その結果、GTBは複雑な仕様制約を伴う高度、不安定、さらにはブラックボックスのダイナミクスを処理できる。
参考スコア（独自算出の注目度）: 16.85479250309054
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We present the Graphs of Trajectory Bundles (GTB) method for motion planning of systems with nonlinear and black-box dynamics, combining sampling-based motion planning with trajectory optimization and graph search. Based on a graph-of-convex-sets decomposition of the workspace, GTB iteratively constructs a graph of trajectory bundles that captures the local dynamics of the system at any vertex. By solving a shortest-path problem on this graph, we find maximally dynamically feasible iterates that satisfy the system's dynamics in the limit and any constraints such as collision avoidance or additional safety or specification constraints by construction of the underlying graph. As a result, GTB can handle highly nonlinear, unstable, and even black-box dynamics with complex collision and specification constraints, making it a powerful tool for motion planning of complex systems.
Abstract（参考訳）: 本稿では,非線形およびブラックボックス動的システムにおける動作計画のためのグラフ・オブ・トラジェクトリ・バンドル (GTB) 法について述べる。ワークスペースのグラフ・オブ・凸セット分解に基づいて、GTBは任意の頂点におけるシステムの局所力学を捉える軌道束のグラフを反復的に構築する。このグラフ上の最短パス問題を解くことで、限界におけるシステムのダイナミクスと衝突回避、追加の安全性、基礎となるグラフの構築による仕様制約などの制約を満たす、最大限に動的に実現可能なイテレーションが見つかる。その結果、GTBは複雑な衝突や仕様制約を伴う非常に非線形で不安定なブラックボックスのダイナミクスを扱えるようになり、複雑なシステムの運動計画のための強力なツールとなる。

関連論文リスト

Trusted Polytopic Action Sets for Fast Planning in Underactuated Systems [0.0]
不変系は、その運動が関数空間内の軌道の多様体上にあるため、凸運動計画に挑戦する。本稿では,不活性化および潜在的非線形システムに対する短時間水平動作の高速,オンライン,信頼された凸集合を生成する手法を提案する。プランナーは数ミリ秒(キノダイナミックRTベースラインよりも14～78倍速い)で乱れた平面シーンを解決し、サンプリングおよびNLPベースラインよりも26～86%、非線形不動ベンチマークでの終端誤差を低減する。
論文参考訳（メタデータ） (2026-08-25T03:18:32Z)
Accelerating Mixed Discrete-Continuous Motion Planning via Neural Graphs of Convex Sets [4.288763738857392]
衝突のないナビゲーションやコンタクトリッチな操作などの動作計画問題は、最適化問題として自然に定式化することができる。 Graphs of Convex Sets (GCS)フレームワークは実用的なソリューションを提供する。我々は、名目GCSが必要とするコストのかかる凸緩和ステップを、グラフ注意ネットワークを経由する単一のフォワードパスに置き換える。ランキングネットワークは、これらの候補を推定コストで注文する。
論文参考訳（メタデータ） (2026-08-15T22:51:56Z)
Motion Planning for Autonomous Vehicles using Optimization over Graphs of Convex Sets [0.6445605125467574]
自動運転車の運動計画には、リアルタイムな制約の下で、衝突のない、動的に実現可能な軌道を生成する必要がある。本稿では,非線形動作計画問題に近似する新しい幾何学的制御法を提案する。連続緩和における凸性を保ちながら、支配的な幾何学的動的効果を捉え、非線形運動計画問題の構造化された近似を提供する。
論文参考訳（メタデータ） (2026-05-13T23:29:54Z)
Navigating the Clutter: Waypoint-Based Bi-Level Planning for Multi-Robot Systems [54.887871365121775]
乱雑な環境におけるマルチロボット制御は、複雑な物理的制約を伴う難しい問題である。タスクとモーションプランニングを協調的に最適化するハイブリッドマルチロボット制御フレームワークを提案する。我々のアプローチは、動作に依存しないベースラインとVLAベースのベースラインよりもタスクの成功を継続的に改善する。
論文参考訳（メタデータ） (2026-04-22T22:58:47Z)
Coupling Tensor Trains with Graph of Convex Sets: Effective Compression, Exploration, and Planning in the C-Space [2.449133239966462]
本稿では,テンソルベース圧縮と構造化グラフ最適化を統合した新しい動き計画フレームワークであるTANGOを提案する。テンソルベースの圧縮と構造化グラフ推論を結合することにより、TANGOは効率的な幾何学的動き計画を可能にし、将来のロボットシステムにおける構成空間のより表現力が高くスケーラブルな表現の基盤となる。
論文参考訳（メタデータ） (2026-03-12T08:28:06Z)
Improving Long-Range Interactions in Graph Neural Simulators via Hamiltonian Dynamics [71.53370807809296]
最近のグラフニューラルシミュレータ(GNS)は、グラフ構造化データ上での動的学習によりシミュレーションを加速する。ハミルトン力学の原理に基づいて構築されたグラフベースニューラルネットワークであるIGNS(Information-serving Graph Neural Simulator)を提案する。 IGNSは最先端のGNSを一貫して上回り、挑戦的で複雑な力学系の下で高い精度と安定性を達成する。
論文参考訳（メタデータ） (2025-11-11T12:53:56Z)
RGL: A Graph-Centric, Modular Framework for Efficient Retrieval-Augmented Generation on Graphs [58.10503898336799]
完全なRAGパイプラインをシームレスに統合するモジュラーフレームワークであるRAG-on-Graphs Library(RGL)を紹介した。 RGLは、さまざまなグラフフォーマットをサポートし、必須コンポーネントの最適化実装を統合することで、重要な課題に対処する。評価の結果,RGLはプロトタイピングプロセスの高速化だけでなく,グラフベースRAGシステムの性能や適用性の向上も図っている。
論文参考訳（メタデータ） (2025-03-25T03:21:48Z)
Space-Time Graphs of Convex Sets for Multi-Robot Motion Planning [2.3416394753138037]
MRMP(Multi-Robot Motion Planning)は、連続環境における複数ロボットの衝突のない軌道の計算問題である。本研究では,無衝突時空間領域をランダムサンプリングに頼るのではなく,無衝突時空間領域で体系的にカバーする新しいプランナである,凸集合の空間時間グラフ(ST-GCS)を提案する。また,コンベックス分解(ECD)を時間的障害としてトラジェクトリを「保存」するために提案し,その後の計画のための衝突のない時空間グラフセットの維持に対処する。
論文参考訳（メタデータ） (2025-03-01T18:28:57Z)
E-Graph: Minimal Solution for Rigid Rotation with Extensibility Graphs [61.552125054227595]
重なり合う領域を持たない2つの画像間の相対的な回転推定を解くために,新しい最小解を提案する。 E-Graphに基づいて、回転推定問題はより単純でエレガントになる。回転推定戦略を6-DoFカメラのポーズと高密度3Dメッシュモデルを得る完全カメラ追跡マッピングシステムに組み込む。
論文参考訳（メタデータ） (2022-07-20T16:11:48Z)
Efficient Dynamic Graph Representation Learning at Scale [66.62859857734104]
本稿では,学習損失による時間依存性を選択的に表現し,計算の並列性を改善するための効率的な動的グラフ lEarning (EDGE) を提案する。 EDGEは、数百万のノードと数億の時間的イベントを持つ動的グラフにスケールでき、新しい最先端(SOTA)パフォーマンスを実現することができる。
論文参考訳（メタデータ） (2021-12-14T22:24:53Z)
Wasserstein-based Graph Alignment [56.84964475441094]
我々は,より小さいグラフのノードと大きなグラフのノードをマッチングすることを目的とした,1対多のグラフアライメント問題に対する新しい定式化を行った。提案手法は,各タスクに対する最先端のアルゴリズムに対して,大幅な改善をもたらすことを示す。
論文参考訳（メタデータ） (2020-03-12T22:31:59Z)

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。