論文の概要: Interaction-Aware Sampling-Based Motion Planning for Autonomous Surface Vessels in Urban Waterways
- arxiv url: http://arxiv.org/abs/2610.41676v1
- Date: Fri, 30 Oct 2026 12:44:27 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-02 22:05:31.707988
- Title: Interaction-Aware Sampling-Based Motion Planning for Autonomous Surface Vessels in Urban Waterways
- Title（参考訳）: 都市水域における自律型表面容器の対話型サンプリングに基づく運動計画
- Abstract要約: モデル予測経路積分制御に基づく分散型運動プランナを提案する。
プランナーはエゴ船の軌道を計算し、他の船の軌道を予測する。
アムステルダムの運河の実際の部分から抽出した地図や,2つの船舶間の遭遇,および4つの相互作用する船舶とのシナリオにおいて,本手法の評価を行った。
- 参考スコア（独自算出の注目度）: 55.90343959263054
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Autonomous surface vessels operating in urban waterways must coordinate with other vessels in confined spaces while complying with traffic regulations, often without knowing their intentions. We present a decentralized motion planner based on model predictive path integral control, a sampling-based model predictive control scheme. The planner jointly computes a trajectory for the ego vessel and a prediction of the trajectories of the other vessels, and therefore accounts for their interaction. Traffic regulations are encoded as discontinuous costs, which the sampling-based formulation admits without a smooth approximation. We evaluate the method in maps taken from real sections of Amsterdam's canals, in encounters between two vessels and in scenarios with four interacting vessels. Across 780 randomized runs the method reaches every goal without collisions or deadlocks, and outperforms an optimization-based planner designed for the same domain, as well as a version of the proposed planner that does not account for the interaction. We further validate the planner on two scaled vessel prototypes in an outdoor environment, where planning and localization run onboard at 10 Hz, and head-on and crossing encounters are resolved without collisions or rule violations.
- Abstract（参考訳）: 都市水域で活動する自律的な表面船は、しばしば意図を知らずに、交通規制に従いながら、制限された空間内の他の船と協調しなければならない。
サンプルベースモデル予測制御方式であるモデル予測経路積分制御に基づく分散型運動プランナを提案する。
プランナーは、エゴ船の軌道と他の船の軌道の予測を共同で計算し、したがってそれらの相互作用を説明できる。
交通規制は不連続なコストとして符号化され、サンプリングベースの定式化はスムーズな近似なしに認められる。
アムステルダムの運河の実際の部分から抽出した地図や,2つの船舶間の遭遇,および4つの相互作用する船舶とのシナリオにおいて,本手法の評価を行った。
780回にわたってランダムに実行され、衝突やデッドロックなしに全てのゴールに到達し、同じドメイン用に設計された最適化ベースのプランナーと、その相互作用を考慮しない提案されたプランナーを上回ります。
さらに, 屋外環境下では, 10Hzで計画と位置決めを行い, 衝突や規則違反を伴わずに正面衝突と交差衝突を解消する2種類の小型船の試作機について, プランナーによる検証を行った。
関連論文リスト
- Integrating Flow Matching and Model Predictive Control for Safe Robot Navigation [19.74030842960802]
本研究では,フローマッチングに基づく経路計画とモデル予測経路追従制御を組み合わせたフレームワークを提案する。
このフレームワークは、適応的でデータ駆動ナビゲーションのためのフローマッチングと予測制御を組み合わせるための体系的なアプローチを提供する。
論文 参考訳（メタデータ） (2026-10-21T08:03:15Z) - Trajectory Planning without Trajectory Data: A Manifold-Guided Approach [57.305915458910725]
軌道計画の一般的な方法は、専門家軌道の大規模なコレクションで訓練された生成モデルを活用することである。
本稿では,基礎となる状態空間多様体を学習し,軌道計画に多様体の幾何学を用いる方法を提案する。
Maze2Dとロボットモーションプランニングのベンチマークの実験では、アリアドンは州のみの監督から実現可能な経路を構築している。
論文 参考訳（メタデータ） (2026-10-05T20:51:54Z) - One Diffusion Model, Two Roles: Guided Trajectory Planning and Safety-Critical Scenario Generation in Closed-Loop Simulation [4.570068778162319]
本研究では,1つの事前学習拡散交通モデルが,自律走行開発ループにおいて2つの補完的な役割を果たすことを示す。
計画面では,単一ストリームデュアルストリーム(SSDS)拡散変換器デコーダを導入する。
我々は,制御可能なシナリオジェネレータと同じ拡散モデルを用いて,クローズドループ評価のためのリアルなロングテール駆動インタラクションを生成する。
論文 参考訳（メタデータ） (2026-09-04T09:22:54Z) - Hydra: A Navigation World Action Model with Discrete Latent Planning and Continuous Flow-Matching Execution [51.519325778407016]
世界モデルは、ロボットが未来を想像することを可能にするが、リアルタイム制御にこの能力を活用することは、表現のミスアライメントによってボトルネックとなる。
我々は、このギャップを埋める個別のワールドアクションモデルであるHydraを紹介します。
Hydraは、目標指向の計画において最先端の世界モデルよりも優れており、主要なリアクティブ基盤ポリシーのクローズドループ実行能力にマッチまたは超越している。
論文 参考訳（メタデータ） (2026-08-29T01:58:19Z) - Model Predictive Planner for UAV Navigation in Non-Convex Air Corridors [1.2617078020344616]
本研究は,UAV空洞の運動機構について述べる。
プランナーは、外部実現性を強制する混合整数追跡モデルに基づいている。
論文 参考訳（メタデータ） (2026-07-27T12:42:38Z) - AutoPath: Learning Transferable Goal-Conditioned Stochastic Path Prior for Safe Navigation Without Human Demonstrations [103.61864552260316]
動的環境におけるリアルタイムナビゲーションは、限られた知覚下での衝突のない、動的に実現可能な動きを必要とする。
我々は,移動可能な目標整合経路の学習としてナビゲーションを定式化し,局所的な観測に基づいて,目標整合な局所経路上の再利用可能な分布をモデル化する。
我々は、幾何対応の極性行動多様体を用いて局所経路をパラメータ化し、安定かつ安全対応の計画のためのマルチゴール分散ロールアウトによるリスク感応性ユーティリティシェーピングを含む構造化された事前学習フレームワークを開発した。
論文 参考訳（メタデータ） (2026-07-13T16:00:41Z) - Learning Direct Control Policies with Flow Matching for Autonomous Driving [32.505127447635864]
自律走行のためのフローマッチングプランナーは、加速度と曲率によって定義された実行可能な軌道を生成する。
モデルは、周囲のシーンの鳥の目視(BEV)制御プロファイルに条件付けされる。
反応エージェントを用いた2次元交通シミュレータから収集した都市シナリオのみをトレーニングする。
論文 参考訳（メタデータ） (2026-05-14T13:37:48Z) - Safety Aware Autonomous Path Planning Using Model Predictive
Reinforcement Learning for Inland Waterways [2.0623470039259946]
モデル予測強化学習(MPRL)と呼ばれる強化学習に基づく新しい経路計画手法を提案する。
MPRLは、船が従うための一連のウェイポイントを計算する。
提案手法を2つのシナリオで実証し,Frenetフレームを用いた経路計画とPPOエージェントに基づく経路計画との比較を行った。
論文 参考訳（メタデータ） (2023-11-16T13:12:58Z) - Decentralized Vehicle Coordination: The Berkeley DeepDrive Drone Dataset and Consensus-Based Models [76.32775745488073]
本研究では,非構造環境における動作計画の研究を目的とした,新しいデータセットとモデリングフレームワークを提案する。
コンセンサスに基づくモデリング手法により、データセットで観測された優先順位の出現を効果的に説明できることを実証する。
論文 参考訳（メタデータ） (2022-09-19T05:06:57Z) - Deep Structured Reactive Planning [94.92994828905984]
自動運転のための新しいデータ駆動型リアクティブ計画目標を提案する。
本モデルは,非常に複雑な操作を成功させる上で,非反応性変種よりも優れることを示す。
論文 参考訳（メタデータ） (2021-01-18T01:43:36Z)
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。