Этот исследовательский ИИ представляет собой нейронную сеть A* новаторский метод поиска на основе данных для решения проблем планирования пути.

Новаторский метод планирования пути исследующая нейронная сеть A* доставит вас к желаемому месту

“`html

Планирование пути определяет экономически выгодный и допустимый путь от начальной точки к целевой точке внутри карты окружающей среды. Поисковые методы планирования, включая известный алгоритм A*, широко применяются для решения задач планирования пути. Эти техники нашли применение в различных областях, включая навигацию автономных транспортных средств и манипуляцию роботическими руками.

Недавние исследования поставили акцент на значительных преимуществах данных, основанных на пути, в двух конкретных сценариях.

  • Первый сценарий связан с более эффективным обнаружением почти оптимальных путей в задачах поиска кратчайшего пути из точки в точку по сравнению с традиционными эвристическими планировщиками.
  • Второй сценарий связан с возможностью планирования пути с использованием сырых изображений. Эта задача является сложной для классических планировщиков, если нет доступа к семантической разметке окружающей среды с пиксельной точностью.

В этом исследовании авторы переопределили традиционный алгоритм A* и объединили его с сверточным кодером для создания полностью обучаемого планировщика с нейронной сетью “Neural A*”. Этот подход решает проблемы планирования пути, трансформируя заданную задачу в карту направления и последующе проводит дифференцируемый поиск A* на основе этой карты.

На приведенном изображении показаны два Сценария Планирования Пути с помощью Neural A*.

  1. Поиск кратчайшего пути из точки в точку: поиск почти оптимального пути (красный) с меньшим количеством исследуемых узлов (зеленый) для входной карты.
  2. Планирование пути с использованием сырых изображений: точное предсказание траектории человека (красной) на естественном изображении.

Через процесс обучения, направленный на согласование результатов поиска с заранее предоставленными траекториями, Neural A* может генерировать пути, точно и эффективно соответствующие заранее известным траекториям.

На этой схеме показана структурная схема Neural A*:

(1) Экземпляр задачи планирования пути подается на вход кодера для создания карты направления.

(2) Модуль дифференцируемого A* выполняет поиск кратчайшего пути из точки в точку с использованием карты направления и выдает историю поиска и полученную траекторию.

(3) Потеря между историей поиска и заранее известной траекторией обратно распространяется для обучения кодера.

Результаты комплексного эксперимента показали, что Neural A* превосходит планировщики, работающие на основе данных, достигая состоятельного баланса между оптимальностью пути и эффективностью поиска. Более того, Neural A* продемонстрировала способность предсказывать реалистичные траектории людей при применении планирования на основе поиска к естественным изображениям.

“`