論文の概要: Does RRT* Work on Uneven Terrain Meshes?
- arxiv url: http://arxiv.org/abs/2611.05885v1
- Date: Wed, 04 Nov 2026 03:18:45 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-06 03:25:57.931428
- Title: Does RRT* Work on Uneven Terrain Meshes?
- Title(参考訳): RRT*は不均一なTerrin Meshで動作するか?
- Abstract要約: 最適探索ランダムツリー(RRT*)は、直線的局所計画を伴うユークリッド空間の開部分集合に対して明らかに最適である。
R3 の2次元曲面である三角形のメッシュ地形で作用するかどうかを問う。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The optimal rapidly exploring random tree (RRT*) is proven asymptotically optimal on open subsets of Euclidean space with straight-line local planning. We ask whether it works on a triangle-mesh terrain, a two-dimensional surface in R^3. First, the original RRT* cannot run on a mesh: the surface has zero volume, so uniform sampling never hits it, no clearance ball fits in it, and chords across a fold leave it. Second, the surface reformulation we call Mesh RRT*, with its naive edge, the chord costed by its length, solved every run on heightfields with slopes up to 75 degrees but minimises the wrong objective: its cost, the straight-line length of a polyline whose vertices lie on the surface while its segments may leave it by a tolerance tau, is the length of no route on the surface and lies strictly below the geodesic length on any curved mesh. In numeric simulation and after 30,000 iterations the reported cost is on average up to 2.7% below the exact geodesic, a cost no path attains, and the returned route on average 0.1-0.5% longer than it. Rewiring keeps the biased edges, the bias decays only linearly with the step on polyhedral surfaces, and shrinking tau trades bias for connectivity. Third, replacing each chord by a path on the surface above it, built from projected points joined across the mesh edges they straddle and costed by its own length, makes every edge cost the exact length of a feasible path; with no other change the exact length of the returned routes is on average within 0.07-0.16% of the geodesic at every roughness tested, two to 3.4 times closer than with chords on the rougher terrains. The planner is in MeshNav3D 0.2.0 (release pending).
- Abstract(参考訳): 最適探索ランダムツリー(RRT*)は、直線的局所計画を伴うユークリッド空間の開部分集合に対して漸近的に最適であることが証明されている。
R^3 の2次元曲面である三角形のメッシュ地形で作用するかどうかを問う。
まず、オリジナルのRT*はメッシュ上では動作できない:表面は体積がゼロなので、均一なサンプリングはヒットせず、クリアランスボールは入らない。
第二に、私たちがMesh RRT*と呼ぶ表面改質は、その裸のエッジで、その長さによってコストがかかるコードで、高さのすべてのランを、最高75度まで傾斜するが、間違った目的を最小化する:そのコスト、頂点が表面に横たわっているポリラインの直線の長さ、そしてそのセグメントがトレランスタウによって残されていること、は、表面上のルートの長で、曲線メッシュ上の測地線長より真下にある。
数値シミュレーションと3万回繰り返すと、報告されたコストは、正確な測地線よりも平均2.7%低くなり、パスが得られず、返却されたルートは平均0.1-0.5%長くなる。
バイアスのあるエッジをリライトすると、バイアスは多面体表面のステップと直線的にしか崩壊せず、接続性のためにタウ貿易のバイアスを縮小する。
第三に、各和音を上面の経路で置き換えることにより、各和音は、格子状の縁を挟んで接合され、独自の長さでコストがかかることにより、すべてのエッジコストを、実現可能な経路の正確な長さに置き換えるが、それ以外は変更せず、その経路の正確な長さは、試験された全ての粗さにおいて、測地線の平均0.07-0.16%以内であり、より荒い地形の和音よりも2~3.4倍近い。
プランナーはMeshNav3D 0.2.0(リリース準備中)にある。
関連論文リスト
- A Singularity Avoiding Track Model for Race Car Optimization [0.0]
測定されたレーストラック点雲を、C4$で微分可能な3次元表面モデルに変換するトラックフィッティングパイプラインが提示される。
表面はモンジュパッチであり、最小曲率線に沿って測定された曲線弧長座標によってパラメトリされる。
論文 参考訳(メタデータ) (2026-10-27T00:24:49Z) - Planning under Noise with Neural Operators [69.53338532337057]
不確実な制御実行ノイズの下での計画には、多様な環境における信頼性の高いフィードバックポリシーが必要である。
本研究では,未知の測地における計画のための雑音認識値場を学習するニューラル演算子であるプランニング・アンダーノイズ(PUN)を紹介する。
論文 参考訳(メタデータ) (2026-10-20T17:58:30Z) - Dimension-Optimal Dynamic Regret in Exp-Concave Online Learning [43.561169894527005]
我々は、未知の経路長に適応する$mathbbRd$のコンパクト凸部分集合上で、適切な情報学習者を開発する。
直径1のユークリッド球上の一致する下界は、$Tgtrsim d2$のときの対数係数までミニマックスフロンティアを確立する。
論文 参考訳(メタデータ) (2026-10-14T13:37:52Z) - Sharp Oracle-Regret Tradeoffs for Projection-Free Online Convex Optimization [55.29259818039367]
我々は, オンライン凸最適化において, 実現可能な集合へのアクセスが正確な線形最適化オラクルに制限された場合に達成可能な後悔を特徴づける。
コンベックス$G$-Lipschitzの損失に対して、直径は最大$D$、合計$Q$オークルコールは$Q$、厳格な制限はラウンド当たり$B$である。
論文 参考訳(メタデータ) (2026-09-23T22:25:52Z) - CyFM: Cylindrical Optimal Transport for Few-Step Complex-Valued Flow Matching [0.0]
磁気共鳴イメージング(MRI)やオーディオスペクトログラムのような複雑な信号は、ほぼ常に平らな2チャンネルユークリッドデータとしてモデル化されている。
継承された計量 $dA2 + A2 d2$ を、分離された積の計量 $dA2 + d2$ に置き換え、その置換コストとそれが何を買うかを測定する。
我々は, 回帰目標を厳密に拘束する円筒フローマッチング (CyFM) と, 円筒メータ内の全フィールド上で計算した極小バッチ・最適輸送を用いて, ノイズとデータを結合して解析する。
論文 参考訳(メタデータ) (2026-09-12T22:12:33Z) - Phase transitions and uberholography of holographic pure-state geometries [0.0]
混合境界領域を置換した純状態ホログラフィックジオメトリーの誤差補正特性について検討した。
未接触境界はフラクタル化可能であるのに対して, ホールパンチングウルホログラフィーはRT境界内では開始できないことを示す。
論文 参考訳(メタデータ) (2026-07-08T00:01:53Z) - Surflo: Consistent 3D Surface Flow Model with Global State [57.57234680235885]
Surfloは、方向付けられた3次元表面点を、ノイズからフローマッチングを通じて独立して表面へ輸送することでデコードする。
独立なポイント単位の復号化に固有の局所的不整合を抑制するために、光度勾配を注入することにより、推定時間誘導項が近傍の点と相関する。
Surfloは、サーフェスメトリクスのフィードフォワードベースラインにマッチし、数百のビューを必要とする最適化ベースのメソッドよりも桁違いに高速に動作し、グローバルなラテントと任意の解像度のデコーディングを組み合わせた唯一のフィードフォワードアプローチである。
論文 参考訳(メタデータ) (2026-06-11T17:48:38Z) - SVRecon: Sparse Voxel Rasterization for Surface Reconstruction [60.92372415355283]
我々は最近提案されたスパースボキセル化パラダイムをSVReconの統合により高忠実度表面再構成の課題に拡張する。
本手法は, 常に高速な収束を保ちながら, 強い復元精度を実現する。
論文 参考訳(メタデータ) (2025-11-21T16:32:01Z) - RaNeuS: Ray-adaptive Neural Surface Reconstruction [87.20343320266215]
微分可能放射場 eg NeRF を利用して、新しいビューレンダリングを生成するとともに、詳細な3次元表面を再構成する。
本研究では,SDFから放射場への射影を一様等間隔のアイコニカル正規化で定式化し,最適化することを考えると,光度重み付け係数を改良する。
提案する textitRaNeuS は,合成データと実データの両方で広く評価されている。
論文 参考訳(メタデータ) (2024-06-14T07:54:25Z) - PUGeo-Net: A Geometry-centric Network for 3D Point Cloud Upsampling [103.09504572409449]
PUGeo-Netと呼ばれる新しいディープニューラルネットワークを用いた一様高密度点雲を生成する手法を提案する。
その幾何学中心の性質のおかげで、PUGeo-Netはシャープな特徴を持つCADモデルとリッチな幾何学的詳細を持つスキャンされたモデルの両方でうまく機能する。
論文 参考訳(メタデータ) (2020-02-24T14:13:29Z)
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。