抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
経路計画は自律ロボットシステムにおいて重要な役割を果たす。周辺環境の効果的な理解と最適衝突フリー経路の効率的生成は,経路計画問題を解くための重要な部分である。迅速探索ランダムツリー(RRT)とその改良最適バージョン(RRT*)のような従来のサンプリングベースアルゴリズムは,複雑な環境においてさえ実行可能な経路を見つける能力のため,経路計画問題において広く使われており,それらは最適経路を効率的に見つけることができない。この問題を解決するため,2つの前述の要求を満足するために,著者らは,条件付き生成広告ネットワーク(CGAN)と修正RRT*アルゴリズム(CGANRRT*によって表示される)に基づく新しい生成モデルから成る新しい学習ベースの経路計画アルゴリズムを提案した。マップ情報を与えて,著者らのCGANモデルは,実行可能経路の効率的可能性分布を作り出すことができて,それは,非一様サンプリング戦略によって最適経路を見つけるために,CGAN-RRT*アルゴリズムによって利用することができた。CGANモデルを,1つの生マップ上でRRTアルゴリズムを実行するすべての結果を,すべての結果を与えることによって作り出す,地上の真実マップからの学習によって訓練した。著者らは,このCGANモデルの効率的性能を,2つのグループのマップ上でテストし,CGAN-RRT*アルゴリズムを従来のRRT*アルゴリズムと比較することによって,実証した。【JST・京大機械翻訳】