ROBOTICS & HUMANOID

Track A*: อัลกอริทึมวางแผนเส้นทางสำหรับติดตามเป้าหมายที่เร็วขึ้นกว่าเดิม 23 เท่า

arXiv08 May 2026
1 min read
Key Takeaways
  • TA* สามารถเพิ่มความเร็วในการวางแผนเส้นทางติดตามเป้าหมายได้มหาศาลโดยแลกกับการลดทอนความแม่นยำในระดับที่ยอมรับได้

ทำไมเรื่องนี้ถึงสำคัญ

ช่วยให้นักวิจัยสามารถสร้างชุดข้อมูลสำหรับการติดตามเป้าหมาย (Tracking Datasets) และทำการ Benchmark ระบบวางแผนการติดตามเป้าหมายออนไลน์ได้อย่างรวดเร็วและมีประสิทธิภาพมากขึ้น

Track A* (TA*) เป็นอัลกอริทึมวางแผนเส้นทางที่เน้นการรักษาระดับการมองเห็นเป้าหมาย (Visibility-aware) โดยการค้นหาบนตารางสี่มิติ (x, y, z, t) ระบบใช้การผสมผสานระหว่าง Layered Directed Acyclic Graph (DAG) search และเทคนิคการปรับปรุงประสิทธิภาพสามด้าน ได้แก่ การทำ Caching ระยะห่างสิ่งกีดขวางแบบข้ามเวลา, การตัดกิ่ง Beam Pruning และระบบประเมินทัศนวิสัยแบบ Multi-ray

ผลการทดสอบแสดงให้เห็นว่า TA* สามารถลดเวลาในการวางแผนงานเฉลี่ยลงได้ถึง 23 เท่า และลดเวลาในกรณีที่แย่ที่สุดลงได้ 11.8 เท่า เมื่อเทียบกับอัลกอริทึม A* พื้นฐาน โดยที่ยังคงประสิทธิภาพในการมองเห็นเป้าหมายไว้ได้ในระดับที่ใกล้เคียงกันมาก

สรุปประเด็นหลัก

ความเร็วในการประมวลผลเพิ่มขึ้นเฉลี่ย 23 เท่าเมื่อเทียบกับ Priority-queue A*

มีอัตราการทำงานสำเร็จ (Convergence rate) 100% ในสภาพแวดล้อมจำลอง CARLA

ใช้เทคนิค Beam Pruning และ BVH Caching เพื่อลดภาระการคำนวณ

นวัตกรรมและเทคโนโลยี

tools

Layered DAG Search with Beam Pruning

โครงสร้างการค้นหาบนกราฟที่ช่วยเพิ่มความเร็วในการคำนวณเส้นทางสี่มิติโดยการคัดเลือกเฉพาะเส้นทางที่มีแนวโน้มดีที่สุด

Developer Impact
วิศวกรด้านหุ่นยนต์และ AI สามารถใช้เครื่องมือนี้ในการเตรียมข้อมูลสำหรับเทรนโมเดลการติดตามเป้าหมายได้เร็วขึ้นอย่างมาก
Keywords
#trajectory planning #target tracking #a-star algorithm #robotics #carla simulation
Original Source

อ่านข้อมูลเพิ่มเติมจากแหล่งข่าวหลัก

arXiv