TSPDiffuser: Diffusion Models as Learned Samplers for Traveling Salesperson Path Planning Problems

要約

この論文では、障害物が多い環境における巡回販売員の経路計画問題 (TSPPP) を解決するための新しいデータ駆動型経路プランナーである TSPDiffuser について紹介します。
障害物マップ内の一連の目的地が与えられた場合、私たちの目的は、すべての目的地を訪れる衝突のない最短の経路を効率的に見つけることです。
TSPDiffuser では、TSPPP インスタンスとそのそれぞれのソリューションの大規模なコレクションで拡散モデルをトレーニングし、目に見えない問題インスタンスに対する妥当なパスを生成します。
その後、モデルを学習済みサンプラーとして使用して、少数のノードとエッジによる潜在的なソリューションを含むロードマップを構築できます。
このアプローチにより、目的地間の移動コストを効率的かつ正確に見積もることができ、TSPPP を解決する際の主要な計算上の課題に効果的に対処できます。
さまざまな合成環境および現実世界の屋内/屋外環境を使用した実験評価により、ソリューションの品質と計算時間要件の間のトレードオフの観点から、既存の手法に対する TSPDiffuser の有効性が実証されています。

要約(オリジナル)

This paper presents TSPDiffuser, a novel data-driven path planner for traveling salesperson path planning problems (TSPPPs) in environments rich with obstacles. Given a set of destinations within obstacle maps, our objective is to efficiently find the shortest possible collision-free path that visits all the destinations. In TSPDiffuser, we train a diffusion model on a large collection of TSPPP instances and their respective solutions to generate plausible paths for unseen problem instances. The model can then be employed as a learned sampler to construct a roadmap that contains potential solutions with a small number of nodes and edges. This approach enables efficient and accurate estimation of traveling costs between destinations, effectively addressing the primary computational challenge in solving TSPPPs. Experimental evaluations with diverse synthetic and real-world indoor/outdoor environments demonstrate the effectiveness of TSPDiffuser over existing methods in terms of the trade-off between solution quality and computational time requirements.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google