日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

経路計画arXiv:2602.04174

GenMRP: 効率的でパーソナライズされたリアルタイム産業ナビゲーションのための生成的多経路計画フレームワーク

GenMRP: A Generative Multi-Route Planning Framework for Efficient and Personalized Real-Time Industrial Navigation

シェア:XThreadsFacebookLINEはてブBluesky

大規模道路網において、動的に部分ネットワークを構築し、ユーザ履歴と道路特徴を考慮したリンクコストモデルとダイクストラ法を反復適用することで、効率的かつ多様でパーソナライズされた複数経路を生成する生成的枠組みを提案。

詳しい要約

1. どんなもの?

- 産業規模のナビゲーションにおける多経路計画のための生成フレームワーク GenMRP を提案。 - 大規模道路網に対し、効率的かつパーソナライズされたリアルタイム経路生成を目指す。 - skeleton-to-capillary アプローチで動的にサブネットワークを構築し、その中で反復的に経路を生成。 - 最初の反復で最適経路を特定し、以降の反復で correctional boosting により品質と多様性のバランスを取った代替経路を生成。 - 各反復で道路特徴、ユーザ履歴シーケンス、生成済み経路を Link Cost Model に組み込み、道路コストを更新後、Dijkstra で経路生成。 - オフライン・オンライン環境で最先端性能と高効率を達成し、実ナビアプリに完全展開。 - 訓練・評価データセットを公開。

2. 先行研究と比べてどこがすごい?

- 従来の事前計算道路コストとヒューリスティックによる手法は、パーソナライズと経路多様性に課題。 - 生成手法は注目されているが、大規模リアルタイムシナリオの効率要件を満たせない。 - GenMRP はこれら両方の制限に対処し、効率とパーソナライズ・多様性を両立。 - オフライン・オンラインで最先端性能を高効率で達成。 - 実ナビアプリに完全展開され、有効性と利点を実証。

3. 技術・手法の肝は?

- skeleton-to-capillary アプローチ:完全な道路網より大幅に小さい関連サブネットワークを動的に構築。 - サブネットワーク内で反復的に経路生成。 - 初回反復で最適経路を特定。 - 以降の反復で correctional boosting により品質と多様性をバランスした代替経路を生成。 - 各反復で道路特徴、ユーザ履歴シーケンス、生成済み経路を Link Cost Model に組み込み道路コストを更新。 - 更新後、Dijkstra アルゴリズムで経路生成。

4. どうやって有効だと検証した?

- オフラインおよびオンライン環境での広範な実験を実施。 - GenMRP が最先端性能を高効率で達成することを示した。 - 実世界のナビゲーションアプリに完全展開し、有効性と利点を実証。 - 訓練・評価データセットを公開し、さらなる研究を促進。

5. 議論はある?

- 要旨からは不明。

6. 次に読むべき論文は?

- 要旨で参照/比較されている研究:事前計算道路コストとヒューリスティックによる手法、生成手法。 - 関連手法:Dijkstra アルゴリズム、Link Cost Model、correctional boosting、skeleton-to-capillary アプローチ。 - 同分野の定番:大規模道路網における経路計画手法(例:A*、Contraction Hierarchies など)が考えられるが、要旨では明示されていない。

※ AIが要旨から生成した要約です。正確性は原文をご確認ください。

著者: Chengzhang Wang, Chao Chen, Jun Tao, Tengfei Liu, He Bai, Song Wang, Longfei Xu, Kaikui Liu, Xiangxiang Chu

分類: cs.RO, cs.GR, cs.IR

原文アブストラクト

Existing industrial-scale navigation applications contend with massive road networks, typically employing two main categories of approaches for route planning. The first relies on precomputed road costs for optimal routing and heuristic algorithms for generating alternatives, while the second, generative methods, has recently gained significant attention. However, the former struggles with personalization and route diversity, while the latter fails to meet the efficiency requirements of large-scale real-time scenarios. To address these limitations, we propose GenMRP, a generative framework for multi-route planning. To ensure generation efficiency, GenMRP first introduces a skeleton-to-capillary approach that dynamically constructs a relevant sub-network significantly smaller than the full road network. Within this sub-network, routes are generated iteratively. The first iteration identifies the optimal route, while the subsequent ones generate alternatives that balance quality and diversity using the newly proposed correctional boosting approach. Each iteration incorporates road features, user historical sequences, and previously generated routes into a Link Cost Model to update road costs, followed by route generation using the Dijkstra algorithm. Extensive experiments show that GenMRP achieves state-of-the-art performance with high efficiency in both offline and online environments. To facilitate further research, we have publicly released the training and evaluation dataset. GenMRP has been fully deployed in a real-world navigation app, demonstrating its effectiveness and benefits.

関連論文

  1. 1Boston Dynamics、車輪付きAtlasの研究試作機を紹介研究・技術
  2. 2GXOとApptronik、Apolloの物流現場試験を拡大 最大1,000台の展開を構想量産・展開
  3. 3newmoとKDDIが資本業務提携 2028年に堺市で自動運転タクシー商用化目指す提携・買収
  4. 4NVIDIA、CoRLでGR00T 2とIsaac Lab 3.0を発表新製品・発表
  5. 5UC BerkeleyとNVIDIAの研究者、AIエージェントでロボット制御コードを仮想環境で改善研究・技術

PR・アフィリエイト広告

OZ GAMING(GPU搭載BTOゲーミングPC)

OZ GAMING(GPU搭載BTOゲーミングPC)の公式広告バナーOZ GAMINGで完成品PCを見る ↗
PR本紙発行元 EmplifAI