WikiEdge:ArXiv速遞/2025-05-13
摘要
- 原文標題：Optimal Trajectory Planning with Collision Avoidance for Autonomous Vehicle Maneuvering
- 中文標題：自動駕駛車輛避障最優軌跡規劃
- 發布日期：2025-05-13 16:36:20+00:00
- 作者：Jason Zalev
- 分類：eess.SY, cs.RO, cs.SY
- 原文連結：http://arxiv.org/abs/2505.08724v1
中文摘要：摘要：為實現平行泊車或垂直泊車等自動駕駛操作，車輛需持續調整速度和轉向以遵循生成路徑。因此，路徑質量成為制約車輛操控性能的關鍵因素。現有路徑規劃方法多聚焦於尋找無碰撞路線，而最優軌跡規劃則需解決從初始狀態到最終狀態的最佳轉移問題，在運動學模型允許的所有路徑中實現動作最小化。本文提出一種基於序列凸優化的新方法，可實現靈活高效的最優軌跡生成。其目標是在滿足運動需求（包括規避傳感器盲區）的前提下，達成最短時間、最短距離和最少的路徑分段數。本方法採用離散化Dubins模型表徵車輛運動學特性，通過線性不等式約束各路徑點與障礙物的最近距離（以多邊形界定車輛輪廓）。為確保軌跡平滑有效，求解的運動學狀態和控制變量受模型成本函數中的懲罰項約束與正則化，從而強制滿足包括轉向角、加速度和速度限制在內的物理約束。本文通過多種泊車場景的軌跡分析，驗證了所提技術能高效生成無碰撞運動軌跡。
摘要
- 原文標題：Predictive Digital Twins with Quantified Uncertainty for Patient-Specific Decision Making in Oncology
- 中文標題：腫瘤學個性化決策中具有量化不確定性的預測性數字孿生
- 發布日期：2025-05-13 19:52:50+00:00
- 作者：Graham Pash, Umberto Villa, David A. Hormuth II, Thomas E. Yankeelov, Karen Willcox
- 分類：cs.CE, physics.comp-ph, physics.med-ph
- 原文連結：http://arxiv.org/abs/2505.08927v1
中文摘要：量化預測模型中的不確定性對於建立信任和實現個性化醫療的風險知情決策至關重要。與在群體層面降低風險的"一刀切"方法不同，數字孿生技術通過個性化建模有望改善個體患者的治療效果。實現生物醫學領域的數字孿生需要可擴展且高效的方法，將患者數據與疾病進展的機制模型相整合。本研究開發了一種端到端的"數據到決策"方法，通過將縱向非侵入性成像數據與機制模型相結合，在考慮患者特定解剖結構的情況下估計和預測腫瘤的時空進展。通過求解統計反問題，成像數據為腫瘤進展反應-擴散模型的空間變化參數提供信息。前向模型的高效並行實現與貝葉斯後驗分布的可擴展近似相結合，使得對稀疏噪聲測量所導致的不確定性能夠進行嚴格而可處理的量化。該方法在具有合成數據的虛擬患者身上進行了驗證，以控制模型不足、噪聲水平和數據採集頻率等因素。通過評估成像頻率的重要性並構建最優實驗設計問題，展示了該方法在決策支持中的應用價值。最後，通過對一組具有公開縱向成像數據的患者進行模型驗證研究，證明了該方法的臨床相關性。
摘要
- 原文標題：Optimal Trajectory Planning with Collision Avoidance for Autonomous Vehicle Maneuvering
- 中文標題：自動駕駛車輛避障最優軌跡規劃
- 發布日期：2025-05-13 16:36:20+00:00
- 作者：Jason Zalev
- 分類：eess.SY, cs.RO, cs.SY
- 原文連結：http://arxiv.org/abs/2505.08724v1
中文摘要：摘要：為實現平行泊車或垂直泊車等自動駕駛操作，車輛需持續調整速度和轉向以跟隨生成路徑。因此，路徑質量是制約車輛操控性能的關鍵因素。多數路徑規劃方法雖包含無碰撞路線搜索，但最優軌跡規劃需解決從初始狀態到最終狀態的最佳轉移問題，在運動學模型允許的所有路徑中實現動作最小化。本文提出基於序列凸優化的新方法，支持靈活高效的最優軌跡生成。其目標是在滿足運動要求（包括規避傳感器盲區）的前提下，實現最短時間、最短距離和最少的路徑分段。該方法採用離散化Dubins模型表徵車輛運動學特性，通過線性不等式約束各航路點與表示車輛邊界的多邊形之間的最近障礙物距離來避免碰撞。為保障軌跡平滑有效，求解的運動學狀態和控制變量受模型成本函數中的懲罰項約束與正則化，從而強制執行包括轉向角、加速度和速度限制在內的物理約束。本文分析了多種泊車場景下的生成軌跡，結果表明所提技術能高效生成無碰撞運動軌跡。
摘要
- 原文標題：Predictive Digital Twins with Quantified Uncertainty for Patient-Specific Decision Making in Oncology
- 中文標題：具有量化不確定性的預測性數字孿生用於腫瘤學患者特異性決策
- 發布日期：2025-05-13 19:52:50+00:00
- 作者：Graham Pash, Umberto Villa, David A. Hormuth II, Thomas E. Yankeelov, Karen Willcox
- 分類：cs.CE, physics.comp-ph, physics.med-ph
- 原文連結：http://arxiv.org/abs/2505.08927v1
中文摘要：量化預測模型中的不確定性對於建立信任和實現個性化醫療的風險知情決策至關重要。與在群體層面降低風險的"一刀切"方法不同，數字孿生技術通過個性化建模有望改善個體患者的治療效果。實現生物醫學領域的數字孿生需要可擴展且高效的方法，將患者數據與疾病進展的機制模型相整合。本研究開發了一種端到端的"數據到決策"方法，通過將縱向非侵入性成像數據與機制模型相結合，在考慮患者特定解剖結構的情況下估計和預測腫瘤的時空進展。通過求解統計反問題，成像數據為腫瘤進展的反應-擴散模型提供了空間變化的參數。前向模型的高效並行實現與貝葉斯後驗分布的可擴展近似相結合，使得對稀疏噪聲測量所導致的不確定性能夠進行嚴格而可處理的量化。該方法在虛擬患者身上使用合成數據進行了驗證，以控制模型不足、噪聲水平和數據採集頻率等因素。通過評估成像頻率的重要性並構建最優實驗設計問題，展示了該方法在決策支持中的應用價值。最後，通過對一組具有公開縱向成像數據的患者隊列進行模型驗證研究，證明了該方法的臨床相關性。
摘要
- 原文標題：Optimal Trajectory Planning with Collision Avoidance for Autonomous Vehicle Maneuvering
- 中文標題：自動駕駛車輛避障最優軌跡規劃
- 發布日期：2025-05-13 16:36:20+00:00
- 作者：Jason Zalev
- 分類：eess.SY, cs.RO, cs.SY
- 原文連結：http://arxiv.org/abs/2505.08724v1
中文摘要：摘要：為實現平行泊車或垂直泊車等自動駕駛操作，車輛需持續調整速度和轉向以遵循生成路徑。因此，路徑質量成為制約車輛操控性能的關鍵因素。現有路徑規劃方法多聚焦於避障路線生成，而最優軌跡規劃則需解決從初始狀態到目標狀態的最佳轉移問題，在運動學模型允許的所有路徑中實現動作最優化。本文提出基於序列凸優化的新方法，支持靈活高效的最優軌跡生成。其目標是在滿足運動需求（包括規避傳感器盲區）的前提下，實現最短時間、最短距離和最少的路徑分段。該方法採用離散化Dubins模型表徵車輛運動學特性，通過線性不等式約束各航路點與表示車輛輪廓的多邊形之間的最近障礙距離以實現避障。為保障軌跡平滑有效，求解的運動狀態和控制變量受模型成本函數中的懲罰項約束與正則化，從而強制執行包括轉向角、加速度及速度限制在內的物理約束。本文通過多種泊車場景的軌跡分析，驗證了所提技術能高效生成無碰撞運動軌跡。
摘要
- 原文標題：Optimal Trajectory Planning with Collision Avoidance for Autonomous Vehicle Maneuvering
- 中文標題：自動駕駛車輛避障最優軌跡規劃
- 發布日期：2025-05-13 16:36:20+00:00
- 作者：Jason Zalev
- 分類：eess.SY, cs.RO, cs.SY
- 原文連結：http://arxiv.org/abs/2505.08724v1
中文摘要：摘要：為實現平行泊車或垂直泊車等自動駕駛操作，車輛需持續調整速度和轉向以跟隨生成路徑。因此，路徑質量是制約車輛操控性能的關鍵因素。多數路徑規劃方法雖包含避碰路線搜索，但最優軌跡規劃需解決從初始狀態到最終狀態的最佳轉移問題，在運動學模型允許的所有路徑中實現動作最優化。本文提出基於序列凸優化的新方法，可實現靈活高效的最優軌跡生成。其目標是在滿足運動要求（包括規避傳感器盲區）的前提下，實現最短時間、最短距離和最少的路徑分段。該方法採用離散化Dubins模型表徵車輛運動學特性，通過線性不等式約束各航路點與表示車輛輪廓的多邊形之間的最近障礙物距離以實現避碰。為保障軌跡平滑有效，求解的運動學狀態和控制變量通過模型代價函數中的懲罰項進行約束和正則化，從而強制執行包括轉向角、加速度和速度限制在內的物理約束。本文分析了多種泊車場景下的生成軌跡，結果表明所提技術能高效生成無碰撞運動軌跡。
摘要
- 原文標題：Predictive Digital Twins with Quantified Uncertainty for Patient-Specific Decision Making in Oncology
- 中文標題：具有量化不確定性的預測性數字孿生用於腫瘤學患者特異性決策
- 發布日期：2025-05-13 19:52:50+00:00
- 作者：Graham Pash, Umberto Villa, David A. Hormuth II, Thomas E. Yankeelov, Karen Willcox
- 分類：cs.CE, physics.comp-ph, physics.med-ph
- 原文連結：http://arxiv.org/abs/2505.08927v1
中文摘要：量化預測模型中的不確定性對於建立信任和實現個性化醫療的風險知情決策至關重要。與在群體層面降低風險的"一刀切"方法不同，數字孿生技術通過個性化建模有望改善個體患者的治療效果。實現生物醫學領域的數字孿生需要可擴展且高效的方法，將患者數據與疾病進展的機理模型相整合。本研究開發了一種端到端的"數據到決策"方法，通過將縱向非侵入性成像數據與機理模型相結合，在考慮患者特定解剖結構的情況下估計和預測腫瘤的時空進展。通過求解統計反問題，成像數據為腫瘤進展的反應-擴散模型提供了空間變化的參數。前向模型的高效並行實現與貝葉斯後驗分布的可擴展近似相結合，使得對稀疏噪聲測量所導致的不確定性能夠進行嚴格而可處理的量化。該方法在虛擬患者身上使用合成數據進行了驗證，以控制模型不足、噪聲水平和數據採集頻率等因素。通過評估成像頻率的重要性並構建最優實驗設計問題，展示了該方法在決策支持中的應用價值。最後，通過對一組具有公開縱向成像數據的患者隊列進行模型驗證研究，證明了該方法的臨床相關性。
摘要
- 原文標題：Optimal Trajectory Planning with Collision Avoidance for Autonomous Vehicle Maneuvering
- 中文標題：自動駕駛車輛避障最優軌跡規劃
- 發布日期：2025-05-13 16:36:20+00:00
- 作者：Jason Zalev
- 分類：eess.SY, cs.RO, cs.SY
- 原文連結：http://arxiv.org/abs/2505.08724v1
中文摘要：摘要：為實現平行泊車或垂直泊車等自動駕駛操作，車輛需持續調整速度和轉向以遵循生成路徑。因此，路徑質量成為制約車輛操控性能的關鍵因素。現有路徑規劃方法多聚焦於避障路線搜索，而最優軌跡規劃則需解決從初始狀態到目標狀態的最佳轉移問題，在運動學模型允許的所有路徑中實現動作最優化。本文提出基於序列凸優化的新方法，支持靈活高效的最優軌跡生成，目標是在滿足運動要求（包括規避傳感器盲區）的前提下，實現最短時間、最短距離和最少的路徑分段。該方法採用離散化Dubins模型表徵車輛運動學，通過線性不等式約束各航路點與表示車輛輪廓的多邊形之間的最近障礙物距離以實現避障。為保障軌跡平滑有效，求解的運動學狀態和控制變量通過模型成本函數中的懲罰項進行約束和正則化，從而強制執行包括轉向角、加速度和速度限制在內的物理約束。本文通過多種泊車場景的軌跡分析，驗證了所提技術能高效生成無碰撞運動軌跡。
摘要
- 原文標題：Predictive Digital Twins with Quantified Uncertainty for Patient-Specific Decision Making in Oncology
- 中文標題：具有量化不確定性的預測性數字孿生用於腫瘤學患者特異性決策
- 發布日期：2025-05-13 19:52:50+00:00
- 作者：Graham Pash, Umberto Villa, David A. Hormuth II, Thomas E. Yankeelov, Karen Willcox
- 分類：cs.CE, physics.comp-ph, physics.med-ph
- 原文連結：http://arxiv.org/abs/2505.08927v1
中文摘要：量化預測模型中的不確定性對於建立信任和實現個性化醫療的風險知情決策至關重要。與在群體層面降低風險的"一刀切"方法不同，數字孿生技術通過個性化建模有望改善個體患者的治療效果。實現生物醫學領域的數字孿生需要可擴展的高效方法，將患者數據與疾病進展的機制模型相整合。本研究開發了一種端到端的"數據到決策"方法，通過將縱向非侵入性成像數據與機制模型相結合，在考慮患者特定解剖結構的前提下估計和預測腫瘤的時空進展。通過求解統計反問題，成像數據為腫瘤進展的反應-擴散模型提供了空間變化的參數信息。前向模型的高效並行實現與貝葉斯後驗分布的可擴展近似相結合，使得針對稀疏噪聲測量所導致的不確定性能夠進行嚴格而可處理的量化。該方法在合成數據構建的虛擬患者身上進行了驗證，以控制模型不足、噪聲水平和數據採集頻率等因素。通過評估成像頻率的重要性並構建最優實驗設計問題，展示了該方法在決策支持中的應用價值。最後，通過對一組具有公開縱向成像數據的患者隊列進行模型驗證研究，證明了該技術的臨床相關性。
摘要
- 原文標題：Optimal Trajectory Planning with Collision Avoidance for Autonomous Vehicle Maneuvering
- 中文標題：自動駕駛車輛機動避障的最優軌跡規劃
- 發布日期：2025-05-13 16:36:20+00:00
- 作者：Jason Zalev
- 分類：eess.SY, cs.RO, cs.SY
- 原文連結：http://arxiv.org/abs/2505.08724v1
中文摘要：摘要：為實現平行泊車或垂直泊車等自動駕駛操作，車輛需持續調整速度和轉向以跟隨生成路徑。因此路徑質量是制約車輛操控性能的關鍵因素。現有路徑規劃方法多聚焦於尋找無碰撞路線，而最優軌跡規劃則需解決從初始狀態到最終狀態的最佳轉移問題，在運動學模型允許的所有路徑中實現動作最小化。本文提出基於序列凸優化的新方法，支持靈活高效的最優軌跡生成，目標是以最少路徑段數、最短距離和最快時間滿足運動需求，同時規避傳感器盲區。該方法採用離散化Dubins模型表徵車輛運動學特性，通過線性不等式約束各航路點與表示車輛輪廓的多邊形之間的最近障礙距離以實現防撞。為保障軌跡平滑有效，求解的運動學狀態和控制變量受模型代價函數中的懲罰項約束與正則化，從而強制執行包括轉向角、加速度及速度限制在內的物理約束。本文通過多種泊車場景的軌跡分析，驗證了所提技術生成的高效無碰撞運動。
摘要
- 原文標題：Predictive Digital Twins with Quantified Uncertainty for Patient-Specific Decision Making in Oncology
- 中文標題：具有量化不確定性的預測性數字孿生用於腫瘤學患者特異性決策
- 發布日期：2025-05-13 19:52:50+00:00
- 作者：Graham Pash, Umberto Villa, David A. Hormuth II, Thomas E. Yankeelov, Karen Willcox
- 分類：cs.CE, physics.comp-ph, physics.med-ph
- 原文連結：http://arxiv.org/abs/2505.08927v1
中文摘要：量化預測模型中的不確定性對於建立信任和實現個性化醫療的風險知情決策至關重要。與在群體層面降低風險的"一刀切"方法不同，數字孿生技術通過個性化建模有望改善個體患者的治療效果。實現生物醫學領域的數字孿生需要可擴展的高效方法，將患者數據與疾病進展的機制模型相整合。本研究開發了一種端到端的"數據到決策"方法，通過將縱向非侵入性成像數據與機制模型相結合，在考慮患者特定解剖結構的情況下估計和預測腫瘤的時空進展。通過求解統計反問題，成像數據為腫瘤進展的反應-擴散模型提供了空間變化的參數估計。前向模型的高效並行實現與貝葉斯後驗分布的可擴展近似相結合，使得對稀疏噪聲測量所導致的不確定性能夠進行嚴格而可處理的量化。該方法在合成數據構建的虛擬患者身上進行了驗證，以控制模型不足、噪聲水平和數據採集頻率等因素。通過評估成像頻率的重要性並構建最優實驗設計問題，展示了該方法在決策支持中的應用價值。最後，通過對一組具有公開縱向成像數據的患者隊列進行模型驗證研究，證明了該方法的臨床相關性。
摘要
- 原文標題：Optimal Trajectory Planning with Collision Avoidance for Autonomous Vehicle Maneuvering
- 中文標題：自動駕駛車輛避障最優軌跡規劃
- 發布日期：2025-05-13 16:36:20+00:00
- 作者：Jason Zalev
- 分類：eess.SY, cs.RO, cs.SY
- 原文連結：http://arxiv.org/abs/2505.08724v1
中文摘要：摘要：為實現平行泊車或垂直泊車等自動駕駛操作，車輛需持續調整速度和轉向以遵循生成路徑。因此，路徑質量是制約車輛操控性能的關鍵因素。多數路徑規劃方法雖包含避碰路線搜索，但最優軌跡規劃需解決從初始到終止狀態的最佳轉移問題，在運動學模型允許的所有路徑中實現動作最優化。本文提出基於序列凸優化的新方法，支持靈活高效的最優軌跡生成。其目標是在滿足運動要求（包括規避傳感器盲區）的前提下，實現最短時間、最短距離和最少的路徑分段。該方法採用離散化Dubins模型表徵車輛運動學，通過線性不等式約束各航路點，以障礙物與車輛輪廓多邊形的最小距離實現避碰。為保障軌跡平滑有效，求解的運動學狀態和控制變量受模型代價函數中的懲罰項約束與正則化，從而強制執行包括轉向角、加速度和速度限制在內的物理約束。本文通過多種泊車場景的軌跡分析，驗證了所提技術生成的高效無碰撞運動。
摘要
- 原文標題：Predictive Digital Twins with Quantified Uncertainty for Patient-Specific Decision Making in Oncology
- 中文標題：具有量化不確定性的預測性數字孿生用於腫瘤學患者特異性決策
- 發布日期：2025-05-13 19:52:50+00:00
- 作者：Graham Pash, Umberto Villa, David A. Hormuth II, Thomas E. Yankeelov, Karen Willcox
- 分類：cs.CE, physics.comp-ph, physics.med-ph
- 原文連結：http://arxiv.org/abs/2505.08927v1
中文摘要：量化預測模型中的不確定性對於建立信任和實現個性化醫療的風險知情決策至關重要。與在群體層面降低風險的"一刀切"方法不同，數字孿生技術通過個性化建模有望改善個體患者的治療效果。實現生物醫學領域的數字孿生需要可擴展且高效的方法，將患者數據與疾病進展的機制模型相整合。本研究開發了一種端到端的"數據到決策"方法，通過將縱向非侵入性成像數據與機制模型相結合，在考慮患者特定解剖結構的情況下估計和預測腫瘤的時空進展。通過求解統計反問題，成像數據為腫瘤進展的反應-擴散模型提供了空間變化的參數信息。前向模型的高效並行實現與貝葉斯後驗分布的可擴展近似相結合，使得對稀疏噪聲測量所導致的不確定性能夠進行嚴格而可處理的量化。該方法在虛擬患者身上使用合成數據進行了驗證，以控制模型不足、噪聲水平和數據採集頻率等因素。通過評估成像頻率的重要性並構建最優實驗設計問題，展示了該方法在決策支持中的應用價值。最後，通過對一組具有公開縱向成像數據的患者隊列進行模型驗證研究，證明了該方法的臨床相關性。
摘要
- 原文標題：Optimal Trajectory Planning with Collision Avoidance for Autonomous Vehicle Maneuvering
- 中文標題：自動駕駛車輛避障最優軌跡規劃
- 發布日期：2025-05-13 16:36:20+00:00
- 作者：Jason Zalev
- 分類：eess.SY, cs.RO, cs.SY
- 原文連結：http://arxiv.org/abs/2505.08724v1
中文摘要：摘要：為實現平行泊車或垂直泊車等自動駕駛操作，車輛需持續調整速度和轉向以遵循生成路徑。因此，路徑質量是制約車輛操控性能的關鍵因素。多數路徑規劃方法雖包含避障路線搜索，但最優軌跡規劃需解決從初始狀態到最終狀態的最佳轉移問題，在運動學模型允許的所有路徑中實現動作最小化。本文提出基於序列凸優化的新方法，支持靈活高效的最優軌跡生成，目標是以最快時間、最短距離和最少的路徑段滿足運動需求，同時規避傳感器盲區。該方法採用離散化Dubins模型表徵車輛運動學，通過線性不等式約束各航路點與表示車輛輪廓的多邊形之間的最近障礙距離以實現避碰。為保障軌跡平滑有效，求解的運動學狀態和控制變量受模型成本函數中的懲罰項約束與正則化，從而強制執行包括轉向角、加速度和速度限制在內的物理約束。本文分析了多種泊車場景下的生成軌跡，結果表明所提技術能高效生成無碰撞運動。
摘要
- 原文標題：Predictive Digital Twins with Quantified Uncertainty for Patient-Specific Decision Making in Oncology
- 中文標題：腫瘤學個性化決策中具有量化不確定性的預測性數字孿生
- 發布日期：2025-05-13 19:52:50+00:00
- 作者：Graham Pash, Umberto Villa, David A. Hormuth II, Thomas E. Yankeelov, Karen Willcox
- 分類：cs.CE, physics.comp-ph, physics.med-ph
- 原文連結：http://arxiv.org/abs/2505.08927v1
中文摘要：量化預測模型中的不確定性對於建立信任和實現個性化醫療的風險知情決策至關重要。與在群體層面降低風險的"一刀切"方法不同，數字孿生技術通過個性化建模有望改善個體患者的治療效果。實現生物醫學領域的數字孿生需要可擴展的高效方法，將患者數據與疾病進展的機制模型相整合。本研究開發了一種端到端的"數據到決策"方法，通過將縱向非侵入性成像數據與機制模型相結合，在考慮患者特定解剖結構的情況下估計和預測腫瘤的時空進展。通過求解統計反問題，成像數據為腫瘤進展反應-擴散模型的空間變化參數提供信息。前向模型的高效並行實現與貝葉斯後驗分布的可擴展近似相結合，使得對稀疏噪聲測量所導致的不確定性能夠進行嚴格而可處理的量化。該方法在合成數據構建的虛擬患者身上進行了驗證，以控制模型不足、噪聲水平和數據採集頻率等因素。通過評估成像頻率的重要性並構建最優實驗設計問題，展示了該方法在決策支持中的應用價值。最後，通過對具有公開縱向成像數據的患者隊列進行模型驗證研究，證明了該方法的臨床相關性。
摘要
- 原文標題：Optimal Trajectory Planning with Collision Avoidance for Autonomous Vehicle Maneuvering
- 中文標題：自動駕駛車輛機動的最優軌跡規劃與避碰
- 發布日期：2025-05-13 16:36:20+00:00
- 作者：Jason Zalev
- 分類：eess.SY, cs.RO, cs.SY
- 原文連結：http://arxiv.org/abs/2505.08724v1
中文摘要：摘要：為實現平行泊車或垂直泊車等自動駕駛操作，車輛需持續調整速度和轉向以跟隨生成路徑。因此，路徑質量成為制約車輛操控性能的關鍵因素。現有路徑規劃方法多聚焦於尋找無碰撞路線，而最優軌跡規劃則需解決從初始狀態到最終狀態的最佳過渡問題，在運動學模型允許的所有路徑中實現動作最小化。本文提出一種基於序列凸優化的新方法，可實現靈活高效的最優軌跡生成。其目標是在滿足運動要求（包括規避傳感器盲區）的前提下，達成最短時間、最短距離和最少的路徑分段數。本方法採用離散化Dubins模型表徵車輛運動學特性，通過線性不等式約束各航路點與障礙物的最近距離（以多邊形界定車輛輪廓）。為確保軌跡平滑有效，求解的運動學狀態和控制變量均受模型成本函數中的懲罰項約束與正則化，從而強制執行包括轉向角、加速度和速度限制在內的物理約束。本文通過多種泊車場景的軌跡分析，驗證了所提技術生成的高效無碰撞運動軌跡。
摘要
- 原文標題：Predictive Digital Twins with Quantified Uncertainty for Patient-Specific Decision Making in Oncology
- 中文標題：具有量化不確定性的預測性數字孿生用於腫瘤學患者特異性決策
- 發布日期：2025-05-13 19:52:50+00:00
- 作者：Graham Pash, Umberto Villa, David A. Hormuth II, Thomas E. Yankeelov, Karen Willcox
- 分類：cs.CE, physics.comp-ph, physics.med-ph
- 原文連結：http://arxiv.org/abs/2505.08927v1
中文摘要：量化預測模型中的不確定性對於建立信任和實現個性化醫療的風險知情決策至關重要。與在群體層面規避風險的"一刀切"方法不同，數字孿生技術通過個性化建模有望改善個體患者的治療效果。實現生物醫學領域的數字孿生需要開發可擴展的高效方法，將患者數據與疾病進展的機理模型相整合。本研究開發了一種端到端的"數據到決策"方法，通過將縱向非侵入性成像數據與機理模型相結合，在考慮患者特定解剖結構的前提下估計和預測腫瘤的時空進展。通過求解統計反問題，成像數據為腫瘤進展的反應-擴散模型的空間變化參數提供信息。前向模型的高效並行實現結合貝葉斯後驗分布的可擴展近似，使得對稀疏噪聲測量所導致的不確定性能夠進行嚴格而可處理的量化。該方法在合成數據構建的虛擬患者身上進行了驗證，以控制模型不足、噪聲水平和數據採集頻率等因素。通過評估成像頻率的重要性並構建最優實驗設計問題，展示了該方法在決策支持中的應用價值。最後，通過對具有公開縱向成像數據的患者隊列進行模型驗證研究，證實了該技術的臨床相關性。
摘要
- 原文標題：Optimal Trajectory Planning with Collision Avoidance for Autonomous Vehicle Maneuvering
- 中文標題：自動駕駛車輛避障最優軌跡規劃
- 發布日期：2025-05-13 16:36:20+00:00
- 作者：Jason Zalev
- 分類：eess.SY, cs.RO, cs.SY
- 原文連結：http://arxiv.org/abs/2505.08724v1
中文摘要：摘要：為實現平行泊車或垂直泊車等自動駕駛操作，車輛需持續調整速度和轉向以遵循生成路徑。因此，路徑質量成為制約車輛操控性能的關鍵因素。現有路徑規劃方法多聚焦於尋找無碰撞路線，而最優軌跡規劃則需解決從初始狀態到最終狀態的最佳轉移問題，在運動學模型允許的所有路徑中實現動作最小化。本文提出一種基於序列凸優化的新方法，可實現靈活高效的最優軌跡生成。其目標是在滿足運動需求（包括規避傳感器盲區）的前提下，達成最短時間、最短距離和最少數量的路徑分段。該方法採用離散化Dubins模型表徵車輛運動學特性，通過線性不等式約束各航路點與表示車輛輪廓的多邊形之間的最近障礙物距離來避免碰撞。為保障軌跡平滑有效，求解的運動學狀態和控制變量均受模型成本函數中的懲罰項約束與正則化，從而強制執行包括轉向角、加速度及速度限制在內的物理約束。本文通過多種泊車場景的軌跡分析，驗證了所提技術生成的高效無碰撞運動。
摘要
- 原文標題：Predictive Digital Twins with Quantified Uncertainty for Patient-Specific Decision Making in Oncology
- 中文標題：腫瘤學個性化決策中具有量化不確定性的預測性數字孿生
- 發布日期：2025-05-13 19:52:50+00:00
- 作者：Graham Pash, Umberto Villa, David A. Hormuth II, Thomas E. Yankeelov, Karen Willcox
- 分類：cs.CE, physics.comp-ph, physics.med-ph
- 原文連結：http://arxiv.org/abs/2505.08927v1
中文摘要：量化預測模型中的不確定性對於建立信任和實現個性化醫療的風險知情決策至關重要。與在群體層面降低風險的"一刀切"方法不同，數字孿生技術通過個性化建模有望改善個體患者的治療效果。實現生物醫學領域的數字孿生需要可擴展且高效的方法，將患者數據與疾病進展的機制模型相整合。本研究開發了一種端到端的"數據到決策"方法，通過將縱向非侵入性成像數據與機制模型相結合，在考慮患者特定解剖結構的情況下估計和預測腫瘤的時空進展。通過求解統計反問題，成像數據為腫瘤進展反應-擴散模型的空間變化參數提供信息。前向模型的高效並行實現與貝葉斯後驗分布的可擴展近似相結合，使得對稀疏噪聲測量所導致的不確定性能夠進行嚴格而可處理的量化。該方法在具有合成數據的虛擬患者身上進行了驗證，以控制模型不足、噪聲水平和數據採集頻率等因素。通過評估成像頻率的重要性並構建最優實驗設計問題，展示了該方法在決策支持中的應用價值。最後，通過對一組具有公開縱向成像數據的患者進行模型驗證研究，證明了該方法的臨床相關性。
摘要
- 原文標題：Optimal Trajectory Planning with Collision Avoidance for Autonomous Vehicle Maneuvering
- 中文標題：自動駕駛車輛避障最優軌跡規劃
- 發布日期：2025-05-13 16:36:20+00:00
- 作者：Jason Zalev
- 分類：eess.SY, cs.RO, cs.SY
- 原文連結：http://arxiv.org/abs/2505.08724v1
中文摘要：摘要：為實現平行泊車或垂直泊車等自動駕駛操作，車輛需持續調整速度和轉向以遵循生成路徑。因此，路徑質量是制約車輛操控性能的關鍵因素。現有路徑規劃方法多聚焦於避障路線搜索，而最優軌跡規劃則需解決從初始狀態到目標狀態的最佳轉移問題，在運動學模型允許的所有路徑中實現動作最小化。本文提出基於序列凸優化的新方法，支持靈活高效的最優軌跡生成，目標是以最少路徑段、最短距離和最快時間滿足運動需求，同時規避傳感器盲區。該方法採用離散化Dubins模型表徵車輛運動學，通過線性不等式約束各航路點與表示車輛輪廓的多邊形之間的最近障礙距離以實現避碰。為保障軌跡平滑有效，模型成本函數通過懲罰項對運動學狀態及控制變量進行約束和正則化，強制執行包括轉向角、加速度和速度限制在內的物理約束。本文針對多種泊車場景的生成軌跡進行分析，結果表明所提技術能高效生成無碰撞運動軌跡。
摘要
- 原文標題：Predictive Digital Twins with Quantified Uncertainty for Patient-Specific Decision Making in Oncology
- 中文標題：具有量化不確定性的預測性數字孿生用於腫瘤學患者特異性決策
- 發布日期：2025-05-13 19:52:50+00:00
- 作者：Graham Pash, Umberto Villa, David A. Hormuth II, Thomas E. Yankeelov, Karen Willcox
- 分類：cs.CE, physics.comp-ph, physics.med-ph
- 原文連結：http://arxiv.org/abs/2505.08927v1
中文摘要：量化預測模型中的不確定性對於建立信任和實現個性化醫療的風險知情決策至關重要。與在群體層面降低風險的"一刀切"方法不同，數字孿生技術通過個性化建模有望改善個體患者的治療效果。實現生物醫學領域的數字孿生需要可擴展且高效的方法，將患者數據與疾病進展的機制模型相整合。本研究開發了一種端到端的"數據到決策"方法，通過將縱向非侵入性成像數據與機制模型相結合，在考慮患者特定解剖結構的情況下估計和預測腫瘤的時空進展。通過求解統計反問題，成像數據為腫瘤進展反應-擴散模型的空間變化參數提供了依據。前向模型的高效並行實現與貝葉斯後驗分布的可擴展近似相結合，使得對稀疏噪聲測量所導致的不確定性能夠進行嚴格而可處理的量化。該方法在虛擬患者身上使用合成數據進行了驗證，以控制模型不足、噪聲水平和數據採集頻率等因素。通過評估成像頻率的重要性並構建最優實驗設計問題，展示了該方法在決策支持中的應用價值。最後，通過對一組具有公開縱向成像數據的患者隊列進行模型驗證研究，證明了該技術的臨床相關性。
摘要
- 原文標題：Optimal Trajectory Planning with Collision Avoidance for Autonomous Vehicle Maneuvering
- 中文標題：自動駕駛車輛避障最優軌跡規劃
- 發布日期：2025-05-13 16:36:20+00:00
- 作者：Jason Zalev
- 分類：eess.SY, cs.RO, cs.SY
- 原文連結：http://arxiv.org/abs/2505.08724v1
中文摘要：摘要：為實現平行泊車或垂直泊車等自動駕駛操作，車輛需持續調整速度和轉向以遵循生成路徑。因此，路徑質量是制約車輛操控性能的關鍵因素。多數路徑規劃方法雖包含避碰路線搜索，但最優軌跡規劃需解決從初始狀態到最終狀態的最佳轉移問題，在運動學模型允許的所有路徑中實現動作最小化。本文提出基於序列凸優化的新方法，支持靈活高效的最優軌跡生成，目標是以最快時間、最短距離和最少的路徑段滿足運動需求，同時規避傳感器盲區。該方法採用離散化Dubins模型表徵車輛運動學，通過線性不等式約束各航路點與表示車輛輪廓的多邊形之間的最近障礙距離以實現避碰。為保障軌跡平滑有效，求解的運動學狀態和控制變量受模型成本函數中的懲罰項約束與正則化，從而強制執行包括轉向角、加速度及速度限制在內的物理約束。本文分析了多種泊車場景下的生成軌跡，結果表明所提技術能高效生成無碰撞運動。
摘要
- 原文標題：Predictive Digital Twins with Quantified Uncertainty for Patient-Specific Decision Making in Oncology
- 中文標題：具有量化不確定性的預測性數字孿生用於腫瘤學患者特異性決策
- 發布日期：2025-05-13 19:52:50+00:00
- 作者：Graham Pash, Umberto Villa, David A. Hormuth II, Thomas E. Yankeelov, Karen Willcox
- 分類：cs.CE, physics.comp-ph, physics.med-ph
- 原文連結：http://arxiv.org/abs/2505.08927v1
中文摘要：量化預測模型中的不確定性對於建立信任和實現個性化醫療的風險知情決策至關重要。與在群體層面降低風險的"一刀切"方法不同，數字孿生技術通過個性化建模有望改善個體患者的治療效果。實現生物醫學領域的數字孿生需要可擴展且高效的方法，將患者數據與疾病進展的機制模型相整合。本研究開發了一種端到端的"數據到決策"方法，通過將縱向非侵入性成像數據與機制模型相結合，在考慮患者特定解剖結構的情況下估計和預測腫瘤的時空進展。通過求解統計反問題，成像數據為腫瘤進展的反應-擴散模型提供了空間變化的參數。前向模型的高效並行實現與貝葉斯後驗分布的可擴展近似相結合，使得對稀疏噪聲測量所導致的不確定性能夠進行嚴格而可處理的量化。該方法在具有合成數據的虛擬患者身上進行了驗證，以控制模型不足、噪聲水平和數據採集頻率等因素。通過評估成像頻率的重要性並構建最優實驗設計問題，展示了該方法在決策支持中的應用價值。最後，通過對一組具有公開縱向成像數據的患者隊列進行模型驗證研究，證明了該技術的臨床相關性。
摘要
- 原文標題：Optimal Trajectory Planning with Collision Avoidance for Autonomous Vehicle Maneuvering
- 中文標題：自動駕駛車輛避障最優軌跡規劃
- 發布日期：2025-05-13 16:36:20+00:00
- 作者：Jason Zalev
- 分類：eess.SY, cs.RO, cs.SY
- 原文連結：http://arxiv.org/abs/2505.08724v1
中文摘要：摘要：為實現平行泊車或垂直泊車等自動駕駛操作，車輛需持續調整速度和轉向以遵循生成路徑。因此，路徑質量是制約車輛操控性能的關鍵因素。多數路徑規劃方法雖包含避碰路線搜索，但最優軌跡規劃需解決從初始狀態到最終狀態的最佳轉移問題，在運動學模型允許的所有路徑中實現動作最小化。本文提出基於序列凸優化的新方法，支持靈活高效的最優軌跡生成，目標是以最快時間、最短距離和最少的路徑段滿足運動需求，同時規避傳感器盲區。該方法採用離散化Dubins模型表徵車輛運動學，通過線性不等式約束各航路點與表示車輛輪廓的多邊形之間的最近障礙距離以實現避碰。為保障軌跡平滑有效，求解的運動學狀態和控制變量通過模型代價函數中的懲罰項進行約束和正則化，從而強制執行包括轉向角、加速度和速度限制在內的物理約束。本文分析了多種泊車場景下的生成軌跡，結果表明所提技術能高效生成無碰撞運動。
摘要
- 原文標題：Predictive Digital Twins with Quantified Uncertainty for Patient-Specific Decision Making in Oncology
- 中文標題：腫瘤學個性化決策中具有量化不確定性的預測性數字孿生
- 發布日期：2025-05-13 19:52:50+00:00
- 作者：Graham Pash, Umberto Villa, David A. Hormuth II, Thomas E. Yankeelov, Karen Willcox
- 分類：cs.CE, physics.comp-ph, physics.med-ph
- 原文連結：http://arxiv.org/abs/2505.08927v1
中文摘要：量化預測模型中的不確定性對於建立信任和實現個性化醫療的風險知情決策至關重要。與在群體層面降低風險的"一刀切"方法不同，數字孿生技術通過個性化建模有望改善個體患者的治療效果。實現生物醫學領域的數字孿生需要可擴展且高效的方法，將患者數據與疾病進展的機理模型相整合。本研究開發了一種端到端的"數據到決策"方法，通過將縱向非侵入性成像數據與機理模型相結合，在考慮患者特定解剖結構的情況下估計和預測腫瘤的時空進展。通過求解統計反問題，成像數據為腫瘤進展的反應-擴散模型提供了空間變化的參數信息。前向模型的高效並行實現與貝葉斯後驗分布的可擴展近似相結合，使得對稀疏噪聲測量所導致的不確定性能夠進行嚴格而可處理的量化。該方法在虛擬患者身上使用合成數據進行了驗證，以控制模型不足、噪聲水平和數據採集頻率等因素。通過評估成像頻率的重要性並構建最優實驗設計問題，展示了該方法在決策支持中的應用價值。最後，通過對一組具有公開縱向成像數據的患者隊列進行模型驗證研究，證明了該技術的臨床相關性。
摘要
- 原文標題：Optimal Trajectory Planning with Collision Avoidance for Autonomous Vehicle Maneuvering
- 中文標題：自動駕駛車輛避障最優軌跡規劃
- 發布日期：2025-05-13 16:36:20+00:00
- 作者：Jason Zalev
- 分類：eess.SY, cs.RO, cs.SY
- 原文連結：http://arxiv.org/abs/2505.08724v1
中文摘要：摘要：為實現平行泊車或垂直泊車等自動駕駛操作，車輛需持續調整速度和轉向以遵循生成路徑。因此，路徑質量是制約車輛操控性能的關鍵因素。多數路徑規劃方法雖包含避障路線搜索，但最優軌跡規劃需解決從初始狀態到目標狀態的最佳轉移問題，在運動學模型允許的所有路徑中實現動作最優化。本文提出基於序列凸優化的新方法，支持靈活高效的最優軌跡生成。其目標是在滿足運動需求（包括規避傳感器盲區）的前提下，實現最短時間、最短距離和最少的路徑分段。本方法採用離散化Dubins模型表徵車輛運動學特性，通過線性不等式約束各路徑點與表示車輛邊界的多邊形之間的最近障礙物距離以實現避障。為保障軌跡平滑有效，求解的運動學狀態和控制變量受模型成本函數中的懲罰項約束與正則化，從而強制執行包括轉向角、加速度及速度限制在內的物理約束。本文通過多種泊車場景的軌跡分析，驗證了所提技術生成的高效無碰撞運動。
摘要
- 原文標題：Predictive Digital Twins with Quantified Uncertainty for Patient-Specific Decision Making in Oncology
- 中文標題：具有量化不確定性的預測性數字孿生用於腫瘤學患者特異性決策
- 發布日期：2025-05-13 19:52:50+00:00
- 作者：Graham Pash, Umberto Villa, David A. Hormuth II, Thomas E. Yankeelov, Karen Willcox
- 分類：cs.CE, physics.comp-ph, physics.med-ph
- 原文連結：http://arxiv.org/abs/2505.08927v1
中文摘要：量化預測模型中的不確定性對於建立信任和實現個性化醫療的風險知情決策至關重要。與在群體層面降低風險的"一刀切"方法不同，數字孿生技術通過個性化建模有望改善個體患者的治療效果。實現生物醫學領域的數字孿生需要可擴展且高效的方法，將患者數據與疾病進展的機制模型相整合。本研究開發了一種端到端的"數據到決策"方法，通過將縱向非侵入性成像數據與機制模型相結合，在考慮患者特定解剖結構的情況下估計和預測腫瘤的時空進展。通過求解統計反問題，成像數據為腫瘤進展反應-擴散模型的空間變化參數提供信息。前向模型的高效並行實現與貝葉斯後驗分布的可擴展近似相結合，使得對稀疏噪聲測量所導致的不確定性能夠進行嚴格而可處理的量化。該方法在具有合成數據的虛擬患者身上進行了驗證，以控制模型不足、噪聲水平和數據採集頻率的影響。通過評估成像頻率的重要性並構建最優實驗設計問題，展示了該方法在決策支持中的應用價值。最後，通過對一組具有公開縱向成像數據的患者進行模型驗證研究，證明了該方法的臨床相關性。
摘要
- 原文標題：Optimal Trajectory Planning with Collision Avoidance for Autonomous Vehicle Maneuvering
- 中文標題：自動駕駛車輛避障最優軌跡規劃
- 發布日期：2025-05-13 16:36:20+00:00
- 作者：Jason Zalev
- 分類：eess.SY, cs.RO, cs.SY
- 原文連結：http://arxiv.org/abs/2505.08724v1
中文摘要：摘要：為實現平行泊車或垂直泊車等自動駕駛操作，車輛需持續調整速度和轉向以遵循生成路徑。因此，路徑質量是制約車輛操控性能的關鍵因素。現有路徑規劃方法多聚焦於避障路線搜索，而最優軌跡規劃則需解決從初始狀態到目標狀態的最佳轉移問題，在運動學模型允許的所有路徑中實現動作最優化。本文提出基於序列凸優化的新方法，支持靈活高效的最優軌跡生成，目標是在滿足運動要求（包括規避傳感器盲區）的前提下，實現最短時間、最短距離和最少的路徑分段。該方法採用離散化Dubins模型表徵車輛運動學特性，通過線性不等式約束各航路點與表示車輛邊界的多邊形之間的最近障礙物距離以實現避障。為保障軌跡平滑有效，求解的運動狀態和控制變量受模型代價函數中的懲罰項約束與正則化，從而強制執行包括轉向角、加速度和速度限制在內的物理約束。本文通過多種泊車場景的軌跡分析，驗證了所提技術能高效生成無碰撞運動軌跡。
摘要
- 原文標題：Predictive Digital Twins with Quantified Uncertainty for Patient-Specific Decision Making in Oncology
- 中文標題：具有量化不確定性的預測性數字孿生用於腫瘤學患者特異性決策
- 發布日期：2025-05-13 19:52:50+00:00
- 作者：Graham Pash, Umberto Villa, David A. Hormuth II, Thomas E. Yankeelov, Karen Willcox
- 分類：cs.CE, physics.comp-ph, physics.med-ph
- 原文連結：http://arxiv.org/abs/2505.08927v1
中文摘要：量化預測模型中的不確定性對於建立信任和實現個性化醫療的風險知情決策至關重要。與在群體層面降低風險的"一刀切"方法不同，數字孿生技術通過個性化建模有望改善個體患者的治療效果。實現生物醫學領域的數字孿生需要可擴展且高效的方法，將患者數據與疾病進展的機制模型相整合。本研究開發了一種端到端的"數據到決策"方法，通過將縱向非侵入性成像數據與機制模型相結合，在考慮患者特定解剖結構的情況下估計和預測腫瘤的時空進展。通過求解統計反問題，成像數據為腫瘤進展反應-擴散模型的空間變化參數提供信息。前向模型的高效並行實現與貝葉斯後驗分布的可擴展近似相結合，使得對稀疏噪聲測量所導致的不確定性能夠進行嚴格而可處理的量化。該方法在具有合成數據的虛擬患者身上進行了驗證，以控制模型不足、噪聲水平和數據採集頻率等因素。通過評估成像頻率的重要性並構建最優實驗設計問題，展示了該方法在決策支持中的應用價值。最後，通過對一組具有公開縱向成像數據的患者隊列進行模型驗證研究，證明了該方法的臨床相關性。
摘要
- 原文標題：Optimal Trajectory Planning with Collision Avoidance for Autonomous Vehicle Maneuvering
- 中文標題：自動駕駛車輛避障最優軌跡規劃
- 發布日期：2025-05-13 16:36:20+00:00
- 作者：Jason Zalev
- 分類：eess.SY, cs.RO, cs.SY
- 原文連結：http://arxiv.org/abs/2505.08724v1
中文摘要：摘要：為實現平行泊車或垂直泊車等自動駕駛操作，車輛需持續調整速度和轉向以遵循生成路徑。因此，路徑質量成為制約車輛操控性能的關鍵因素。現有路徑規劃方法多聚焦於尋找無碰撞路線，而最優軌跡規劃則需解決從初始狀態到目標狀態的最佳轉移問題，在運動學模型允許的所有路徑中實現動作最優化。本文提出一種基於序列凸優化的新方法，可實現靈活高效的最優軌跡生成。其目標是在滿足運動需求（包括規避傳感器盲區）的前提下，達成最短時間、最短距離和最少的路徑分段數。本方法採用離散化Dubins模型表徵車輛運動學特性，通過線性不等式約束各航路點與障礙物的最近距離（以多邊形界定車輛輪廓）。為確保軌跡平滑有效，求解的運動學狀態和控制變量均受模型成本函數中的懲罰項約束與正則化，從而強制執行包括轉向角、加速度及速度限制在內的物理約束。本文通過多種泊車場景的軌跡分析，驗證了所提技術能高效生成無碰撞運動軌跡。
摘要
- 原文標題：Predictive Digital Twins with Quantified Uncertainty for Patient-Specific Decision Making in Oncology
- 中文標題：具有量化不確定性的預測性數字孿生用於腫瘤學患者特異性決策
- 發布日期：2025-05-13 19:52:50+00:00
- 作者：Graham Pash, Umberto Villa, David A. Hormuth II, Thomas E. Yankeelov, Karen Willcox
- 分類：cs.CE, physics.comp-ph, physics.med-ph
- 原文連結：http://arxiv.org/abs/2505.08927v1
中文摘要：量化預測模型中的不確定性對於建立信任和實現個性化醫療的風險知情決策至關重要。與在群體層面降低風險的"一刀切"方法不同，數字孿生技術通過個性化建模有望改善個體患者的治療效果。實現生物醫學領域的數字孿生需要可擴展且高效的方法，將患者數據與疾病進展的機制模型相整合。本研究開發了一種端到端的"數據到決策"方法，通過將縱向非侵入性成像數據與機制模型相結合，在考慮患者特定解剖結構的情況下估計和預測腫瘤的時空進展。通過求解統計反問題，成像數據為腫瘤進展反應-擴散模型的空間變化參數提供信息。前向模型的高效並行實現與貝葉斯後驗分布的可擴展近似相結合，使得對稀疏噪聲測量所導致的不確定性能夠進行嚴格而可處理的量化。該方法在具有合成數據的虛擬患者身上進行了驗證，以控制模型不足、噪聲水平和數據採集頻率的影響。通過評估成像頻率的重要性並構建最優實驗設計問題，展示了該方法在決策支持中的應用價值。最後，通過對一組具有公開縱向成像數據的患者進行模型驗證研究，證明了該方法的臨床相關性。
摘要
- 原文標題：Optimal Trajectory Planning with Collision Avoidance for Autonomous Vehicle Maneuvering
- 中文標題：自動駕駛車輛避障最優軌跡規劃
- 發布日期：2025-05-13 16:36:20+00:00
- 作者：Jason Zalev
- 分類：eess.SY, cs.RO, cs.SY
- 原文連結：http://arxiv.org/abs/2505.08724v1
中文摘要：摘要：為實現平行泊車或垂直泊車等自動駕駛操作，車輛需持續調整速度和轉向以遵循生成路徑。因此，路徑質量成為制約車輛操控性能的關鍵因素。現有路徑規劃方法多聚焦於尋找無碰撞路線，而最優軌跡規劃則需解決從初始狀態到目標狀態的最佳轉移問題，在運動學模型允許的所有路徑中實現動作最優化。本文提出基於序列凸優化的新方法，支持靈活高效的最優軌跡生成，目標是以最少路徑段、最短距離和最快時間滿足運動需求，同時規避傳感器盲區。該方法採用離散化Dubins模型表徵車輛運動學特性，通過線性不等式約束各航路點與表示車輛輪廓的多邊形之間的最近障礙距離以實現避障。為保障軌跡平滑有效，模型成本函數通過懲罰項對求解的運動學狀態及控制變量進行約束和正則化，強制執行包括轉向角、加速度和速度限制在內的物理約束。本文針對多種泊車場景的生成軌跡進行分析，結果表明所提技術能高效生成無碰撞運動軌跡。
摘要
- 原文標題：Predictive Digital Twins with Quantified Uncertainty for Patient-Specific Decision Making in Oncology
- 中文標題：具有量化不確定性的預測性數字孿生用於腫瘤學患者特異性決策
- 發布日期：2025-05-13 19:52:50+00:00
- 作者：Graham Pash, Umberto Villa, David A. Hormuth II, Thomas E. Yankeelov, Karen Willcox
- 分類：cs.CE, physics.comp-ph, physics.med-ph
- 原文連結：http://arxiv.org/abs/2505.08927v1
中文摘要：量化預測模型中的不確定性對於建立信任和實現個性化醫療的風險知情決策至關重要。與在群體層面降低風險的"一刀切"方法不同，數字孿生技術通過個性化建模有望改善個體患者的治療效果。實現生物醫學領域的數字孿生需要可擴展且高效的方法，將患者數據與疾病進展的機制模型相整合。本研究開發了一種端到端的"數據到決策"方法，通過將縱向非侵入性成像數據與機制模型相結合，在考慮患者特定解剖結構的情況下估計和預測腫瘤的時空進展。通過求解統計反問題，成像數據為腫瘤進展的反應-擴散模型提供了空間變化的參數信息。前向模型的高效並行實現與貝葉斯後驗分布的可擴展近似相結合，使得對稀疏噪聲測量所導致的不確定性能夠進行嚴格而可處理的量化。該方法在具有合成數據的虛擬患者身上進行了驗證，以控制模型不足、噪聲水平和數據採集頻率等因素。通過評估成像頻率的重要性並構建最優實驗設計問題，展示了該方法在決策支持中的應用價值。最後，通過對一組具有公開縱向成像數據的患者隊列進行模型驗證研究，證明了該方法的臨床相關性。
摘要
- 原文標題：Predictive Digital Twins with Quantified Uncertainty for Patient-Specific Decision Making in Oncology
- 中文標題：具有量化不確定性的預測性數字孿生體在腫瘤學個體化決策中的應用
- 發布日期：2025-05-13 19:52:50+00:00
- 作者：Graham Pash, Umberto Villa, David A. Hormuth II, Thomas E. Yankeelov, Karen Willcox
- 分類：cs.CE, physics.comp-ph, physics.med-ph
- 原文連結：http://arxiv.org/abs/2505.08927v1
中文摘要：量化預測模型中的不確定性對於建立信任和實現個性化醫療的風險知情決策至關重要。與在群體層面降低風險的"一刀切"方法不同，數字孿生技術通過個性化建模有望改善個體患者的治療效果。實現生物醫學領域的數字孿生需要可擴展且高效的方法，將患者數據與疾病進展的機制模型相整合。本研究開發了一種端到端的"數據到決策"方法，通過將縱向非侵入性成像數據與機制模型相結合，在考慮患者特定解剖結構的情況下估計和預測腫瘤的時空進展。通過求解統計反問題，成像數據為腫瘤進展的反應-擴散模型提供了空間變化的參數信息。前向模型的高效並行實現與貝葉斯後驗分布的可擴展近似相結合，使得對稀疏噪聲測量所導致的不確定性能夠進行嚴格而可處理的量化。該方法在虛擬患者身上使用合成數據進行了驗證，以控制模型不足、噪聲水平和數據採集頻率等因素。通過評估成像頻率的重要性並構建最優實驗設計問題，展示了該方法在決策支持中的應用價值。最後，通過對一組具有公開縱向成像數據的患者隊列進行模型驗證研究，證明了該方法的臨床相關性。
摘要
- 原文標題：Predictive Digital Twins with Quantified Uncertainty for Patient-Specific Decision Making in Oncology
- 中文標題：具有量化不確定性的預測性數字孿生用於腫瘤學患者特異性決策
- 發布日期：2025-05-13 19:52:50+00:00
- 作者：Graham Pash, Umberto Villa, David A. Hormuth II, Thomas E. Yankeelov, Karen Willcox
- 分類：cs.CE, physics.comp-ph, physics.med-ph
- 原文連結：http://arxiv.org/abs/2505.08927v1
中文摘要：量化預測模型中的不確定性對於建立信任和實現個性化醫療的風險知情決策至關重要。與在群體層面降低風險的"一刀切"方法不同，數字孿生技術通過個性化建模有望改善個體患者的治療效果。實現生物醫學領域的數字孿生需要可擴展且高效的方法，將患者數據與疾病進展的機制模型相整合。本研究開發了一種端到端的"數據到決策"方法，通過將縱向非侵入性成像數據與機制模型相結合，在考慮患者特定解剖結構的情況下估計和預測腫瘤的時空進展。通過求解統計反問題，成像數據為腫瘤進展反應-擴散模型的空間變化參數提供信息。前向模型的高效並行實現與貝葉斯後驗分布的可擴展近似相結合，使得對稀疏噪聲測量所導致的不確定性能夠進行嚴格而可處理的量化。該方法在合成數據構建的虛擬患者身上進行了驗證，以控制模型不足、噪聲水平和數據採集頻率等因素。通過評估成像頻率的重要性並構建最優實驗設計問題，展示了該方法在決策支持中的應用價值。最後，通過對一組具有公開縱向成像數據的患者隊列進行模型驗證研究，證明了該方法的臨床相關性。
摘要
- 原文標題：Predictive Digital Twins with Quantified Uncertainty for Patient-Specific Decision Making in Oncology
- 中文標題：具有量化不確定性的預測性數字孿生用於腫瘤學患者特異性決策
- 發布日期：2025-05-13 19:52:50+00:00
- 作者：Graham Pash, Umberto Villa, David A. Hormuth II, Thomas E. Yankeelov, Karen Willcox
- 分類：cs.CE, physics.comp-ph, physics.med-ph
- 原文連結：http://arxiv.org/abs/2505.08927v1
中文摘要：量化預測模型中的不確定性對於建立信任和實現個性化醫療的風險知情決策至關重要。與在群體層面降低風險的"一刀切"方法不同，數字孿生技術通過個性化建模有望改善個體患者的治療效果。實現生物醫學領域的數字孿生需要可擴展且高效的方法，將患者數據與疾病進展的機制模型相整合。本研究開發了一種端到端的"數據到決策"方法，通過將縱向非侵入性成像數據與機制模型相結合，在考慮患者特定解剖結構的情況下估計和預測腫瘤的時空進展。通過求解統計反問題，成像數據為腫瘤進展的反應-擴散模型提供了空間變化的參數。前向模型的高效並行實現與貝葉斯後驗分布的可擴展近似相結合，使得對稀疏噪聲測量所導致的不確定性能夠進行嚴格而可處理的量化。該方法在具有合成數據的虛擬患者身上進行了驗證，以控制模型不足、噪聲水平和數據採集頻率的影響。通過評估成像頻率的重要性並構建最優實驗設計問題，展示了該方法在決策支持中的應用價值。最後，通過對一組具有公開縱向成像數據的患者進行模型驗證研究，證明了該方法的臨床相關性。
摘要
- 原文標題：Predictive Digital Twins with Quantified Uncertainty for Patient-Specific Decision Making in Oncology
- 中文標題：具有量化不確定性的預測性數字孿生用於腫瘤學患者特異性決策
- 發布日期：2025-05-13 19:52:50+00:00
- 作者：Graham Pash, Umberto Villa, David A. Hormuth II, Thomas E. Yankeelov, Karen Willcox
- 分類：cs.CE, physics.comp-ph, physics.med-ph
- 原文連結：http://arxiv.org/abs/2505.08927v1
中文摘要：量化預測模型中的不確定性對於建立信任和實現個性化醫療的風險知情決策至關重要。與在群體層面降低風險的"一刀切"方法不同，數字孿生技術通過個性化建模有望改善個體患者的治療效果。實現生物醫學領域的數字孿生需要可擴展且高效的方法，將患者數據與疾病進展的機制模型相整合。本研究開發了一種端到端的"數據到決策"方法，通過將縱向非侵入性成像數據與機制模型相結合，在考慮患者特定解剖結構的情況下估計和預測腫瘤的時空進展。通過求解統計反問題，成像數據為腫瘤進展反應-擴散模型的空間變化參數提供信息。前向模型的高效並行實現與貝葉斯後驗分布的可擴展近似相結合，使得對稀疏噪聲測量所導致的不確定性能夠進行嚴格而可處理的量化。該方法在具有合成數據的虛擬患者身上進行了驗證，以控制模型不足、噪聲水平和數據採集頻率等因素。通過評估成像頻率的重要性並構建最優實驗設計問題，展示了該方法在決策支持中的應用價值。最後，通過對一組具有公開縱向成像數據的患者隊列進行模型驗證研究，證明了該方法的臨床相關性。
摘要
- 原文標題：Optimal Trajectory Planning with Collision Avoidance for Autonomous Vehicle Maneuvering
- 中文標題：自主車輛避障最優軌跡規劃
- 發布日期：2025-05-13 16:36:20+00:00
- 作者：Jason Zalev
- 分類：eess.SY, cs.RO, cs.SY
- 原文連結：http://arxiv.org/abs/2505.08724v1
中文摘要：摘要：為實現平行泊車或垂直泊車等自動駕駛操作，車輛需持續調整速度和轉向以遵循生成路徑。因此，路徑質量成為制約車輛操控性能的關鍵因素。現有路徑規劃方法多聚焦於避障路線生成，而最優軌跡規劃則需解決從初始狀態到目標狀態的最佳轉移問題，在運動學模型允許的所有路徑中實現動作最優化。本文提出一種基於序列凸優化的新方法，可實現靈活高效的最優軌跡生成。其目標是在滿足運動需求（包括規避傳感器盲區）的前提下，達成最短時間、最短距離和最少數量的路徑分段。該方法採用離散化Dubins模型表徵車輛運動學特性，通過線性不等式約束各航路點與表示車輛輪廓的多邊形之間的最近障礙物距離以實現避障。為保障軌跡平滑有效，求解的運動學狀態和控制變量均受模型成本函數中的懲罰項約束與正則化，從而強化包括轉向角、加速度及速度限制在內的物理約束。本文通過多種泊車場景的軌跡分析，驗證了所提技術能生成高效無碰撞的運動軌跡。
摘要
- 原文標題：Predictive Digital Twins with Quantified Uncertainty for Patient-Specific Decision Making in Oncology
- 中文標題：具有量化不確定性的預測性數字孿生用於腫瘤學患者特異性決策
- 發布日期：2025-05-13 19:52:50+00:00
- 作者：Graham Pash, Umberto Villa, David A. Hormuth II, Thomas E. Yankeelov, Karen Willcox
- 分類：cs.CE, physics.comp-ph, physics.med-ph
- 原文連結：http://arxiv.org/abs/2505.08927v1
中文摘要：量化預測模型中的不確定性對於建立信任和實現個性化醫療的風險知情決策至關重要。與旨在降低群體層面風險的"一刀切"方法不同，數字孿生技術通過個性化建模有望改善個體患者的治療效果。實現生物醫學領域的數字孿生需要可擴展的高效方法，將患者數據與疾病進展的機理模型相整合。本研究開發了一種端到端的"數據到決策"方法，通過將縱向非侵入性成像數據與機理模型相結合，在考慮患者特定解剖結構的前提下估計和預測腫瘤的時空進展。通過求解統計反問題，成像數據為腫瘤反應-擴散模型的空間變化參數提供信息。前向模型的高效並行實現結合貝葉斯後驗分布的可擴展近似，使得對稀疏噪聲測量所導致的不確定性能夠進行嚴格而可處理的量化。該方法在合成數據構建的虛擬患者身上進行了驗證，以控制模型不足、噪聲水平和數據採集頻率等因素。通過評估成像頻率的重要性並構建最優實驗設計問題，展示了該方法在決策支持中的應用價值。最後通過對具有公開縱向成像數據的患者隊列進行模型驗證研究，證明了該技術的臨床相關性。
摘要
- 原文標題：Optimal Trajectory Planning with Collision Avoidance for Autonomous Vehicle Maneuvering
- 中文標題：自動駕駛車輛避障最優軌跡規劃
- 發布日期：2025-05-13 16:36:20+00:00
- 作者：Jason Zalev
- 分類：eess.SY, cs.RO, cs.SY
- 原文連結：http://arxiv.org/abs/2505.08724v1
中文摘要：摘要：為實現平行泊車或垂直泊車等自動駕駛操作，車輛需持續調整速度和轉向以遵循生成路徑。因此，路徑質量成為制約車輛操控性能的關鍵因素。現有路徑規劃方法多聚焦於避障路線搜索，而最優軌跡規劃則需解決從初始狀態到目標狀態的最佳轉移問題，在運動學模型允許的所有路徑中實現動作最優化。本文提出一種基於序列凸優化的新方法，可實現靈活高效的最優軌跡生成。其目標是在滿足運動要求（包括規避傳感器盲區）的前提下，達成最短時間、最短距離和最少的路徑分段數。本方法採用離散化Dubins模型表徵車輛運動學特性，通過線性不等式約束各航路點與表示車輛輪廓的多邊形之間的最近障礙物距離來實現避障。為保障軌跡平滑有效，求解的運動學狀態和控制變量均受模型成本函數中的懲罰項約束與正則化，該函數強制執行包括轉向角、加速度和速度限制在內的物理約束。本文通過多種泊車場景的軌跡分析，驗證了所提技術能高效生成無碰撞運動軌跡。