会员服务
优化器 · INFORMS · Performer · 状态空间 · 路径 ·
2021 年 4 月 6 日
Admissible heuristics for obstacle clearance optimization objectives
翻译：障碍清除优化目标的可接受惯性
Marlin P. Strub,Jonathan D. Gammell
Marlin P. Strub,Jonathan D. Gammell
from arxiv, 6 pages, 3 figures

Obstacle clearance in state space is an important optimization objective in path planning because it can result in safe paths. This technical report presents admissible solution- and path-cost heuristics for this objective, which can be used to improve the performance of informed path planning algorithms.


翻译：国家空间的清除障碍是路径规划中一个重要的优化目标,因为它可以带来安全的道路。 这份技术报告提出了实现这一目标的可接受解决方案和路径成本的超常方法,可用于改进知情路径规划算法的性能。
0
下载
关闭预览

相关内容

Fariz Darari简明《博弈论Game Theory》介绍，35页ppt
Fariz Darari简明《博弈论Game Theory》介绍，35页ppt
专知会员服务
106+阅读 · 2020年5月15日
【伯克利】机器学习蛋白质工程，Machine learning for protein engineering，83页ppt
【伯克利】机器学习蛋白质工程，Machine learning for protein engineering，83页ppt
专知会员服务
33+阅读 · 2020年5月9日
因果图，Causal Graphs，52页ppt
因果图，Causal Graphs，52页ppt
专知会员服务
238+阅读 · 2020年4月19日
【UIUC硬核书】统计学习理论，Statistical Learning Theory，213页pdf
【UIUC硬核书】统计学习理论，Statistical Learning Theory，213页pdf
专知会员服务
130+阅读 · 2020年4月14日
【哥伦比亚大学】经济AI优化课程，Economics, AI, and Optimization
【哥伦比亚大学】经济AI优化课程，Economics, AI, and Optimization
专知会员服务
52+阅读 · 2020年2月15日
【CVPR 2019 | tutorial】计算机视觉的深度强化学习：Deep Reinforcement Learning for Computer Vision
【CVPR 2019 | tutorial】计算机视觉的深度强化学习：Deep Reinforcement Learning for Computer Vision
专知会员服务
52+阅读 · 2019年11月28日
【ICCV 2019 Workshop】Complete Dictionary Learning via L4-Norm Maximization over the Orthogonal Grou， 加州大学伯克利分校 马毅
【ICCV 2019 Workshop】Complete Dictionary Learning via L4-Norm Maximization over the Orthogonal Grou， 加州大学伯克利分校 马毅
专知会员服务
14+阅读 · 2019年10月31日
【新书】Python编程基础，669页pdf
【新书】Python编程基础，669页pdf
专知会员服务
186+阅读 · 2019年10月10日
【CMU卡内基梅隆大学】深度学习在计算机视觉的应用：方法，解释，因果与公平性
【CMU卡内基梅隆大学】深度学习在计算机视觉的应用：方法，解释，因果与公平性
专知会员服务
77+阅读 · 2019年10月9日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
98+阅读 · 2019年10月9日
40年来首次| 南京大学冯新宇、梁红瑾团队荣获PLDI 2019杰出论文奖
40年来首次| 南京大学冯新宇、梁红瑾团队荣获PLDI 2019杰出论文奖
南大青年
3+阅读 · 2019年6月30日
计算机 | 入门级EI会议ICVRIS 2019诚邀稿件
计算机 | 入门级EI会议ICVRIS 2019诚邀稿件
Call4Papers
10+阅读 · 2019年6月24日
Hierarchically Structured Meta-learning
Hierarchically Structured Meta-learning
CreateAMind
23+阅读 · 2019年5月22日
19篇ICML2019论文摘录选读！
19篇ICML2019论文摘录选读！
专知
28+阅读 · 2019年4月28日
Unsupervised Learning via Meta-Learning
Unsupervised Learning via Meta-Learning
CreateAMind
41+阅读 · 2019年1月3日
A Technical Overview of AI & ML in 2018 & Trends for 2019
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
已删除
已删除
将门创投
9+阅读 · 2018年12月19日
carla 学习笔记
carla 学习笔记
CreateAMind
9+阅读 · 2018年2月7日
计算机视觉近一年进展综述
计算机视觉近一年进展综述
机器学习研究会
8+阅读 · 2017年11月25日
【推荐】RNN/LSTM时序预测
【推荐】RNN/LSTM时序预测
机器学习研究会
25+阅读 · 2017年9月8日
Efficient and Modular Implicit Differentiation
Arxiv
0+阅读 · 2021年5月31日
Using Pareto Simulated Annealing to Address Algorithmic Bias in Machine Learning
Using Pareto Simulated Annealing to Address Algorithmic Bias in Machine Learning
Arxiv
0+阅读 · 2021年5月31日
A Time Series Analysis-Based Stock Price Prediction Using Machine Learning and Deep Learning Models
A Time Series Analysis-Based Stock Price Prediction Using Machine Learning and Deep Learning Models
Arxiv
0+阅读 · 2021年5月31日
Industry-Relevant Implicit Large-Eddy Simulation of a High-Performance Road Car via Spectral/hp Element Methods
Arxiv
0+阅读 · 2021年5月31日
Incremental Learning of Probabilistic Movement Primitives (ProMPs) for Human-Robot Cooperation
Arxiv
0+阅读 · 2021年5月28日
Lagrangian Data Assimilation and Uncertainty Quantification for Sea Ice Floes with an Efficient Physics-Constrained Superfloe Parameterization
Arxiv
0+阅读 · 2021年5月28日
An Impossibility Theorem for Node Embedding
Arxiv
0+阅读 · 2021年5月27日
Combined parameter and state inference with automatically calibrated ABC
Arxiv
0+阅读 · 2021年5月26日
A finite-element framework for a mimetic finite-difference discretization of Maxwell's equations
Arxiv
0+阅读 · 2021年5月26日
Optimizing Dense Retrieval Model Training with Hard Negatives
Arxiv
5+阅读 · 2021年4月16日
VIP会员
文章信息
前往arXiv
下载PDF
相关主题
优化器
INFORMS
Performer
状态空间
路径
相关VIP内容
Fariz Darari简明《博弈论Game Theory》介绍，35页ppt
Fariz Darari简明《博弈论Game Theory》介绍，35页ppt
专知会员服务
106+阅读 · 2020年5月15日
【伯克利】机器学习蛋白质工程，Machine learning for protein engineering，83页ppt
【伯克利】机器学习蛋白质工程，Machine learning for protein engineering，83页ppt
专知会员服务
33+阅读 · 2020年5月9日
因果图，Causal Graphs，52页ppt
因果图，Causal Graphs，52页ppt
专知会员服务
238+阅读 · 2020年4月19日
【UIUC硬核书】统计学习理论，Statistical Learning Theory，213页pdf
【UIUC硬核书】统计学习理论，Statistical Learning Theory，213页pdf
专知会员服务
130+阅读 · 2020年4月14日
【哥伦比亚大学】经济AI优化课程，Economics, AI, and Optimization
【哥伦比亚大学】经济AI优化课程，Economics, AI, and Optimization
专知会员服务
52+阅读 · 2020年2月15日
【CVPR 2019 | tutorial】计算机视觉的深度强化学习：Deep Reinforcement Learning for Computer Vision
【CVPR 2019 | tutorial】计算机视觉的深度强化学习：Deep Reinforcement Learning for Computer Vision
专知会员服务
52+阅读 · 2019年11月28日
【ICCV 2019 Workshop】Complete Dictionary Learning via L4-Norm Maximization over the Orthogonal Grou， 加州大学伯克利分校 马毅
【ICCV 2019 Workshop】Complete Dictionary Learning via L4-Norm Maximization over the Orthogonal Grou， 加州大学伯克利分校 马毅
专知会员服务
14+阅读 · 2019年10月31日
【新书】Python编程基础，669页pdf
【新书】Python编程基础，669页pdf
专知会员服务
186+阅读 · 2019年10月10日
【CMU卡内基梅隆大学】深度学习在计算机视觉的应用：方法，解释，因果与公平性
【CMU卡内基梅隆大学】深度学习在计算机视觉的应用：方法，解释，因果与公平性
专知会员服务
77+阅读 · 2019年10月9日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
98+阅读 · 2019年10月9日
热门VIP内容
相关资讯
40年来首次| 南京大学冯新宇、梁红瑾团队荣获PLDI 2019杰出论文奖
40年来首次| 南京大学冯新宇、梁红瑾团队荣获PLDI 2019杰出论文奖
南大青年
3+阅读 · 2019年6月30日
计算机 | 入门级EI会议ICVRIS 2019诚邀稿件
计算机 | 入门级EI会议ICVRIS 2019诚邀稿件
Call4Papers
10+阅读 · 2019年6月24日
Hierarchically Structured Meta-learning
Hierarchically Structured Meta-learning
CreateAMind
23+阅读 · 2019年5月22日
19篇ICML2019论文摘录选读！
19篇ICML2019论文摘录选读！
专知
28+阅读 · 2019年4月28日
Unsupervised Learning via Meta-Learning
Unsupervised Learning via Meta-Learning
CreateAMind
41+阅读 · 2019年1月3日
A Technical Overview of AI & ML in 2018 & Trends for 2019
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
已删除
已删除
将门创投
9+阅读 · 2018年12月19日
carla 学习笔记
carla 学习笔记
CreateAMind
9+阅读 · 2018年2月7日
计算机视觉近一年进展综述
计算机视觉近一年进展综述
机器学习研究会
8+阅读 · 2017年11月25日
【推荐】RNN/LSTM时序预测
【推荐】RNN/LSTM时序预测
机器学习研究会
25+阅读 · 2017年9月8日
相关论文
Efficient and Modular Implicit Differentiation
Arxiv
0+阅读 · 2021年5月31日
Using Pareto Simulated Annealing to Address Algorithmic Bias in Machine Learning
Using Pareto Simulated Annealing to Address Algorithmic Bias in Machine Learning
Arxiv
0+阅读 · 2021年5月31日
A Time Series Analysis-Based Stock Price Prediction Using Machine Learning and Deep Learning Models
A Time Series Analysis-Based Stock Price Prediction Using Machine Learning and Deep Learning Models
Arxiv
0+阅读 · 2021年5月31日
Industry-Relevant Implicit Large-Eddy Simulation of a High-Performance Road Car via Spectral/hp Element Methods
Arxiv
0+阅读 · 2021年5月31日
Incremental Learning of Probabilistic Movement Primitives (ProMPs) for Human-Robot Cooperation
Arxiv
0+阅读 · 2021年5月28日
Lagrangian Data Assimilation and Uncertainty Quantification for Sea Ice Floes with an Efficient Physics-Constrained Superfloe Parameterization
Arxiv
0+阅读 · 2021年5月28日
An Impossibility Theorem for Node Embedding
Arxiv
0+阅读 · 2021年5月27日
Combined parameter and state inference with automatically calibrated ABC
Arxiv
0+阅读 · 2021年5月26日
A finite-element framework for a mimetic finite-difference discretization of Maxwell's equations
Arxiv
0+阅读 · 2021年5月26日
Optimizing Dense Retrieval Model Training with Hard Negatives
Arxiv
5+阅读 · 2021年4月16日
Top
微信扫码咨询专知VIP会员
Top