AAAIプレスへの論文提出ガイドライン
著者が成功する論文提出のために必要な指示。
― 1 分で読む
目次
この文書は、AAAI Pressに論文を提出する著者のためのガイドラインを提供します。これらの指示に従うことで、あなたの論文が出版のための必要な基準を満たすことができます。
提出プロセス
- 論文の準備: 提供されたスタイルファイルを使って論文を書いてください。Microsoft Wordを使用する場合は、その指示のための別の文書を参照してください。
- 締切の遵守: 提出期限を守るようにしてください。
- 電子ファイル: 論文と要約を含む電子ファイルを提出システムを使って提出してください。
形式要件
一般的なガイドライン
- 2022 AAAIスタイルファイルを使用してください。
- 論文の形式ルールに従い、均一な外観を確保してください。
文書レイアウト
- 最終的な論文は、USレターサイズの用紙で2カラム形式にしてください。
- マージン:
- 上: 0.75インチ
- 左: 0.75インチ
- 右: 0.75インチ
- 下: 1.25インチ
フォントとテキストサイズ
- Times RomanまたはNimbusフォントのみを使用してください。
- 本文は10ポイントサイズで、12ポイントの間隔を空けてください。
- テキストに色を使わないようにしてください。
セクションと見出し
- 各セクションを明確に分けるために見出しを使用してください。
- タイトルは、最初のページの上部に16ポイントの太字でセンターに配置してください。
- 著者名はタイトルの下に12ポイントでセンターに配置してください。
図と表
- 図と表は、テキストで初めて言及されたページに配置してください。
- 図と表は順番に番号を付けてください(図1、表1など)。
- 図のキャプションは10ポイントで、図の下に配置してください。
- 表のキャプションも10ポイントで、表の上に配置してください。
グラフィックス要件
- すべての図は.jpg、.png、または.pdf形式でなければなりません。
- 図がマージンに侵入しないようにしてください。
- 図を文書に含める前に、グラフィックスソフトウェアを使用して適切にトリミングしてください。
メタデータと参考文献
- タイトルと著者を含む文書メタデータをプレーンテキスト形式で提供してください。
- 参考文献にはBibTeXを使用してください。すべての参考文献で一貫したスタイルを維持してください。
謝辞
- 謝辞がある場合は、参考文献の前に別のセクションに含めてください。
レビューと最終確認
提出する前に:
- 形式の問題がないか徹底的に論文を見直してください。
- 出版の遅延を避けるためにすべてのガイドラインに従っていることを確認してください。
結論
これらの形式指示に従うことで、スムーズな提出プロセスが促進されます。すべてのガイドラインを注意深く守って、論文を出版の準備が整うようにしてください。
執筆スタイルとコンテンツの整理
はじめに
自分の論文の目的を明確に述べて、読者にコンテキストを提供してください。このセクションでは、その後の研究や議論の舞台を設定する必要があります。
背景
トピックの理解をサポートする背景情報を提供してください。これは定義、過去の研究結果、または関連する理論的枠組みを含むことがあります。
主な議論
重要なポイント
研究の主な主張や発見を分解してください。サブヘッディングを使用してコンテンツを論理的に整理し、明確さを維持します。
証拠と例
主張を支持するために証拠を使用してください。これはデータ、ケーススタディ、または議論を豊かにする理論的な例を含むことがあります。
含意
発見の含意について議論してください。これが分野にとって何を意味するか?将来の研究や実用的な応用にどのように影響する可能性があるか?
結論
論文の主なポイントを要約してください。発見がなぜ重要であるかを強調し、将来の探求や研究の分野を提案してください。
参考文献
すべての参考文献が正しく形式化され、論文の最後にリストされていることを確認してください。一貫したスタイルを使用し、引用に欠けている情報がないか確認してください。
付録
必要に応じて、補足資料を含む付録を含めてください。これは詳細なテーブル、追加データ、または主なテキストを補助する情報であり、直接含めるには長すぎる可能性があります。
執筆と提出のベストプラクティス
明確さと正確さ
- 明確かつ簡潔に書いてください。自分の分野に不慣れな読者を混乱させる専門用語は避けてください。
- 各セクションが前のセクションに論理的に続くようにし、全体を通して一貫した流れを作ってください。
草稿作成
- 大まかな草稿から始めてください。アイデアを出すことに集中し、言語や構造を洗練させる前に考えをまとめてください。
- 草稿作成段階で、箇条書きやリストを使用して思考や重要なポイントを効果的に整理してください。
編集
- 文法エラー、タイプミス、形式の不一致を確認するために、作品を徹底的に編集してください。
- 同僚に論文をレビューしてもらうことで、新たな視点からフィードバックを得ることを考慮してください。
最終レビュー
- 提出ガイドラインを満たしているか確認するために、文書全体を最終レビューしてください。
- すべての形式要件を遵守し、必要なコンポーネントがすべて含まれているかを確認してください。
提出
- 提出する際は、会議やジャーナルから提供された指示に慎重に従ってください。
- 必要なドキュメントがすべて含まれ、正しく形式化されていることを確認してください。
追加の考慮事項
長さとコンテンツ制限
- 自分の論文の長さ制限を意識してください。指定された範囲内に収めるようにし、ペナルティを避けてください。
- 主要な主張や発見に直接関連するコンテンツのみを含めてください。不要な補足資料は避けてください。
倫理的考慮事項
- 知的財産権を尊重してください。すべてのソースを適切に引用して、元の著者にクレジットを与えてください。
- 該当する場合は、研究の倫理的含意やその潜在的影響に関するステートメントを含めてください。
継続的な更新
- 提出ガイドラインや形式基準の更新について常に情報を得てください。定期的に出版物のウェブサイトをチェックして最新情報を確認してください。
コミュニティとの関わり
- 他の研究者や著者と関わりを持ってください。これには会議への参加、ワークショップへの参加、研究プロジェクトでのコラボレーションが含まれます。
- 自分の作品をさまざまなフォーラムに提出して、可視性を高め、多様なフィードバックを受けることを考えてください。
フィードバックへの適応
- レビューアーや同僚からのフィードバックにオープンでいてください。建設的な批評を活用して、作品を向上させ、執筆スキルを改善してください。
継続的な改善
- 執筆や出版の実践についての継続的な学びを約束してください。これらの分野での改善を助けるリソースを探してください。
締めくくりの言葉
出版プロセスを成功裏にナビゲートするには、細部への注意、ガイドラインの明確な理解、および徹底した編集プロセスが必要です。このガイドに示されたステップを適用することで、著者は自分の作品が受け入れられ、出版される可能性を高めることができます。
タイトル: Learning Local Heuristics for Search-Based Navigation Planning
概要: Graph search planning algorithms for navigation typically rely heavily on heuristics to efficiently plan paths. As a result, while such approaches require no training phase and can directly plan long horizon paths, they often require careful hand designing of informative heuristic functions. Recent works have started bypassing hand designed heuristics by using machine learning to learn heuristic functions that guide the search algorithm. While these methods can learn complex heuristic functions from raw input, they i) require a significant training phase and ii) do not generalize well to new maps and longer horizon paths. Our contribution is showing that instead of learning a global heuristic estimate, we can define and learn local heuristics which results in a significantly smaller learning problem and improves generalization. We show that using such local heuristics can reduce node expansions by 2-20x while maintaining bounded suboptimality, are easy to train, and generalize to new maps & long horizon plans.
著者: Rishi Veerapaneni, Muhammad Suhail Saleem, Maxim Likhachev
最終更新: 2023-03-16 00:00:00
言語: English
ソースURL: https://arxiv.org/abs/2303.09477
ソースPDF: https://arxiv.org/pdf/2303.09477
ライセンス: https://creativecommons.org/licenses/by/4.0/
変更点: この要約はAIの助けを借りて作成されており、不正確な場合があります。正確な情報については、ここにリンクされている元のソース文書を参照してください。
オープンアクセスの相互運用性を利用させていただいた arxiv に感謝します。