文献

J-GLOBAL ID：202202226294639139   整理番号：22A0959365

深層ニューラルネットワークによる未知環境における実時間経路計画の達成【JST・京大機械翻訳】

Achieving Real-Time Path Planning in Unknown Environments Through Deep Neural Networks

著者 (4件)： Wu Keyu (School of Electrical and Electronics Engineering, Nanyang Technological University, Singapore) ,  Wang Han (School of Electrical and Electronics Engineering, Nanyang Technological University, Singapore) ,  Esfahani Mahdi Abolfazli (School of Electrical and Electronics Engineering, Nanyang Technological University, Singapore) ,  Yuan Shenghai (School of Electrical and Electronics Engineering, Nanyang Technological University, Singapore)
資料名： IEEE Transactions on Intelligent Transportation Systems  (IEEE Transactions on Intelligent Transportation Systems)
巻： 23  号： 3  ページ： 2093-2102  発行年： 2022年 
JST資料番号： W1272A  ISSN： 1524-9050  CODEN： ITISFG  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： リアルタイム経路計画は,自律ナビゲーションを達成するためにインテリジェント車両にとって重要である。本論文では,未知のクラッタ環境における実時間オンライン経路計画のための新しい深層ニューラルネットワーク(DNN)ベース手法を提案した。最初に,オンライン三次元経路計画ネットワーク(OTDPP-Net)と名付けたエンドツーエンドDNNアーキテクチャを設計し,3D局所経路計画ポリシーを学習した。それは,反復2D畳込みニューラルネットワークによって近似された多重値反復計算に基づく3D空間における動作を決定する。さらに,近最適リアルタイムオンライン経路計画を実現するために,経路計画フレームワークも開発した。提案したプランナーの有効性をスイッチング方式によってさらに改良して,経路品質を視線検査によって最適化した。仮想および実世界の実験結果は,効率,成功率および経路品質に関して,提案したDNNベース経路プランナーの顕著な性能を示した。既存の方法と異なり,開発したDNNベースの経路プランナーの計算時間と有効性は環境条件に無関係であり,大規模複合環境における優位性を明らかにした。著者らの実験のビデオは,https://youtu.be/gb4nSG4hd6sで見つけることができる。Copyright 2022 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 最適化 ,  *ネットワーク ,  ニューラルネットワーク ,  多重化 ,  録画装置 ,  エンドツーエンド方式 ,  二次元 ,  クラッタ ,  三次元 ,  有効性 ,  計算機アーキテクチャ ,  *経路探索
準シソーラス用語： 環境条件 ,  オンライン ,  三次元空間 ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

分類 (3件)： 人工知能  (JE08000Z) ,  ロボットの運動・制御  (IC04012J) ,  ネットワーク法  (KA03040X)

タイトルに関連する用語 (4件)： 深層ニューラルネットワーク ,  未知環境 ,  実時間 ,  経路計画