arXiv:2308.06931

FusionPlanner: A Multi-task Motion Planner for Mining Trucks via Multi-sensor Fusion

Siyu Teng, Luxi Li, Yuchen Li, Xuemin Hu, Lingxi Li, Yunfeng Ai, Long Chen

제출 2023-08-14

원문 초록

In recent years, significant achievements have been made in motion planning for intelligent vehicles. However, as a typical unstructured environment, open-pit mining attracts limited attention due to its complex operational conditions and adverse environmental factors. A comprehensive paradigm for unmanned transportation in open-pit mines is proposed in this research. Firstly, we propose a multi-task motion planning algorithm, called FusionPlanner, for autonomous mining trucks by the multi-sensor fusion method to adapt both lateral and longitudinal control tasks for unmanned transportation. Then, we develop a novel benchmark called MiningNav, which offers three validation approaches to evaluate the trustworthiness and robustness of well-trained algorithms in transportation roads of open-pit mines. Finally, we introduce the Parallel Mining Simulator (PMS), a new high-fidelity simulator specifically designed for open-pit mining scenarios. PMS enables the users to manage and control open-pit mine transportation from both the single-truck control and multi-truck scheduling perspectives. The performance of FusionPlanner is tested by MiningNav in PMS, and the empirical results demonstrate a significant reduction in the number of collisions and takeovers of our planner. We anticipate our unmanned transportation paradigm will bring mining trucks one step closer to trustworthiness and robustness in continuous round-the-clock unmanned transportation.

함께 살펴볼 논문

공통 태그를 근거로 연결했습니다. 실제 인용 관계나 논문의 우수성을 뜻하지 않습니다.

arXiv:2610.03312v1cs.AI공통 태그 Motion Planning, Scheduling

동적 환경에서의 최적 계획 수립

Optimal Planning in a Dynamic World

배경: 본 논문에서는 실행 가능한 상태나 행동의 집합이 시간에 따라 변하는 환경에서의 계획 수립(planning) 문제를 다룹니다. 예를 들어, 이동하는 장애물 사이에서의 경로 계획 문제(흔히 SIPP로 알려짐)에서는 장애물이 이동함에 따라 특정 위치에 머무를 수 있는 가능 여부가 달라질 수 있습니다. 또는 특정 기차에 탑승하는 행동은 기차가 역에 정차해 있는 동안에만 실행 가능합니다. 이러한 동적 특성으로 인해 최적 계획과 그 수행 시간은 실행이 언제 시작되는지에 따라 달라질 수 있습니다. 실제 환경에서는 계획 수립이 완료되거나 다른 에이전트(agent)의 승인이 날 때까지 실행 시작 시간을 알 수 없는 경우가 많습니다. 그러나 기존의 계획 수립 연구 대부분은 이러한 동적 특성을 무시하거나 시작 시간이 사전에 알려져 있다고 가정합니다. 이는 상태와 행동의 실행 가능성을 평가하기는 수월하게 만들지만, 일부 응용 분야에서는 비현실적입니다. 목표: 본 논문에서는 시작 시간이 알려져 있다는 가정을 완화합니다. 임의 시작 시간 계획 수립(any-start-time planning) 설정을 정의하고 이를 위한 알고리즘을 제시합니다. 방법: 시작 시간의 함수로서 최적 계획을 간결하게 인코딩하는 복합 도착 시간 함수(compound arrival time function, cATF)라는 자료구조를 제안합니다. 또한 스칼라 비용 대신 간선을 따라 함수를 전파하여 cATF를 구성하는, 휴리스틱 그래프 탐색 기반의 범용 계획 수립 알고리즘을 제공합니다. 결과: cATF의 크기가 문제 크기에 대해 최대 선형임을 증명합니다. SIPP의 특정 문제에 대한 구현체를 바탕으로 한 실험적 평가에 따르면, 어려운 문제에서 재계획(replanning)에 의존하는 에이전트는 실패하는 경우가 빈번한 반면, cATF를 사용하는 임의 시작 시간 알고리즘은 실행 시작 시간이 확정되면 최적 계획을 신속하게 조회할 수 있음을 보여줍니다. 결론: 시간 의존적 계획에 대한 효율적인 표현과 추론을 가능하게 함으로써, 본 연구는 동적 환경에서의 계획 수립을 위한 토대를 제공합니다.

arXiv:2606.27381v1cs.LG공통 태그 Scheduling, Sensor Fusion

OverFlowLight: 도시 교차로를 위한 실시간 그리드락 방지 및 교통 신호 최적화

OverFlowLight: Real-Time Gridlock Prevention and Traffic Signal Optimization for Urban Intersections

대기행렬 오버플로우(queue overflow)는 도시 교통 혼잡의 심각한 결과로, 차량 대기행렬이 교차로 용량을 초과할 때 발생하여 상류 교통을 막고 연쇄적인 그리드락을 유발한다. 주로 처리량(throughput)에 최적화된 기존 교통 신호 제어(TSC) 알고리즘은 첨두 시간대에 오버플로우를 해결하지 못하는 경우가 많아 혼잡을 악화시키고 안전 위험을 초래한다. 우리는 오버플로우를 선제적으로 해결하고 전반적인 TSC 성능을 향상시키도록 설계된 실시간 프레임워크인 OverFlowLight를 제안한다. 우선 카메라와 레이더의 멀티모달(multi-modal) 센싱을 활용하여 실시간으로 오버플로우를 정확히 감지하는 메커니즘을 도입한다. 감지 시, 신호 주기에 전용 오버플로우 위상(phase)을 동적으로 생성하여 삽입함으로써 차단된 대기행렬을 해소한다. 이는 신속한 규칙 기반 오버플로우 개입과 더 장기적인 효율을 위한 강화학습(RL) 등의 컨트롤러 백엔드(backend)를 결합하는 하이브리드 제어 설계로 조율된다. 우리는 세 개의 주요 도시에 걸쳐 43개 교차로에서 OverFlowLight의 광범위한 실제 배포를 수행했다. 이 프레임워크는 기존 RL 기반 TSC 에이전트와 원활한 통합을 보여주며, 모듈성과 실용적 적용 가능성을 강조한다. 실증 결과, OverFlowLight는 배포된 베이스라인 대비 오버플로우 사건을 60.4% 줄이고 네트워크 처리량을 18.2% 증가시켰다. 또한 전문가 튜닝 신호 계획에서 흔한 수동 개입 필요성을 실질적으로 줄인다. 본 연구는 교통 그리드락을 능동적으로 예방하는 최초의 실용적이고 확장 가능하며 데이터 기반 프레임워크를 제시하여, 회복력 있는 효율적 도시 교통 시스템 구축을 위한 핵심 구성 요소를 제공한다. 시연 영상, 코드 및 데이터셋(dataset)은 익명 URL https://anonymous.4open.science/r/OverFlowLight-FBF9 에서 제공한다.

arXiv:2606.18730v1cs.RO공통 태그 Motion Planning, Scheduling

이동 장애물이 있는 이동 목표 외판원 문제를 위한 이단계 이중 수준 탐색

Two-Phase Bilevel Search for the Moving-Target Traveling Salesman Problem with Moving Obstacles

이동 목표 외판원 문제(MT-TSP)는 정적 창고에서 출발하여 할당된 시간 창 내에 이동 목표 집합을 방문한 후 창고로 돌아오는 에이전트의 최소 비용 궤적을 찾는 문제입니다. 본 논문에서는 MT-TSP의 일반화된 버전인 이동 장애물이 있는 이동 목표 외판원 문제(MT-TSP-MO)를 연구합니다. 이 문제에서 에이전트 궤적은 이동 장애물을 피해야 합니다. 우리는 기성 솔버를 사용하여 해결할 수 있는 혼합 정수 원뿔 프로그래밍(MICP) 공식과, 문제에 대한 고품질의 실현 가능한 해를 계산하는 빠르고 확장 가능한 이단계 이중 수준 탐색(TPBS) 알고리즘을 제안합니다. 최대 40개의 목표와 40개의 장애물이 있는 다양한 문제 인스턴스에 대해 기존 기준선(baseline) 알고리즘과 비교하여 우리의 접근 방식을 평가했습니다. 결과는 제안된 두 방법 모두 성공률, 해 비용, 계산 시간 측면에서 기준선을 현저히 능가함을 보여줍니다.

arXiv:2607.02137v5cs.LG공통 태그 Scheduling

점수 기반 확산 샘플링을 위한 적응적 재매개변수화 시간

Adaptive Reparametrized Time for Score-Based Diffusion Sampling

본 논문은 학습된 역시간 동역학을 유한한 격자에서 이산화하는 점수 기반 확산 샘플링의 시간 간격 할당을 연구한다. 균일 스케줄과 수작업 스케줄이 표준으로 쓰이지만, 이들의 고정적이고 임의적인 규정은 최적이 아닐 수 있다. 본 논문은 샘플링 시계의 속도를 제어로 취급하여 시간 변환을 학습하는 연속시간 제어 정식화인 적응적 재매개변수화 시간(ART)을 제안한다. 학습된 시계에서의 균일 격자는 확산 시간에서 적응적인 시간 간격을 유도하며, 오일러 오차의 최저차 대리 지표가 할당 목적함수를 정의한다. 그 결과로 얻어지는 고차원 결정론적 제어 문제를 풀기 위해, 스케줄 학습을 연속시간 강화학습으로 전환하는 보조적 무작위 가우시안 정책 정식화인 ART-RL을 도입한다. 최적에서 ART-RL이 ART와 동등함을, 즉 최적 가우시안 정책의 평균이 ART를 푼다는 것을 증명한다. 또한 정책 평가와 정책 개선의 특성화를 확립하고, 구현 가능한 액터-크리틱 갱신을 이끄는 궤적 기반 모멘트 항등식을 유도한다. 통제된 저차원 설정부터 이미지 생성에 이르는 실험은, ART로 학습된 스케줄을 시간 격자만 바꾸어 기존 샘플러에 적용했을 때 동일한 예산에서 강력한 기준선보다 샘플 품질이 일관되게 향상됨을 보여준다. 학습된 스케줄은 또한 재학습 없이 샘플링 예산, 데이터셋, 솔버, 파이프라인, 표현 공간 전반으로 전이되는 폭넓은 일반화 능력을 보인다.

arXiv:2608.23986v4math.OC공통 태그 Scheduling

지능의 그림자 가격: LLM 추론에서의 품질 저하와 재시도 피드백

The Shadow Price of Intelligence: Quality Degradation and Retry Feedback in LLM Inference

대규모 언어 모델 제공자는 연산 자원이 제약되어 있으며, 혼잡에 대한 일반적인 대응은 서비스를 저하시키는 것이다. 즉, 질의를 더 작은 모델로 라우팅하거나, 추론 예산을 줄이거나, 컨텍스트 윈도를 단축한다. 만족스럽지 못한 답을 받은 사용자는 재시도하여 시스템이 바쁜 동안 부하를 늘리거나, 이탈하여 잠재적으로 고객 이탈로 이어진다. 우리는 추론 서비스를 서비스 품질이 제공자의 의사결정인 제어 문제로 모델링한다. 재시도를 서비스율에 포함한 2국면 유체 근사는 닫힌 형태의 궤적과 교차 시간을 제공하므로, 품질 등급에 대한 동적 계획법에 시뮬레이션이 필요하지 않다. 우리는 더 약한 등급이 작업당 에너지는 덜 쓰지만 작업당 용량은 더 쓰는 영역을 규명하고, 유체 모델에서 그러한 등급으로의 반응적 스로틀링이 큐가 해소되지 못하게 할 수 있음을 보인다. 이질적인 고객이 있는 경우 이 문제는 재시도로 부풀려진 용량 계수를 갖는 수송 문제가 되며, 최적 라우팅은 $c\mu$ 유형의 지수를 따르고, 용량 제약의 쌍대는 클래스와 시간별로 질의 하나를 더 처리하는 한계 비용을 제공한다. 우리는 공개 벤치마크 데이터로 보정한 다섯 가지 사례에서 이 방법을 예시한다.

토론

이 논문과 연결된 포럼 글이 아직 없습니다.