日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

群制御arXiv:2507.20293

不確実性を考慮した分散型マルチエージェント衝突回避:Model Predictive Path Integralの活用

Decentralized Uncertainty-Aware Multi-Agent Collision Avoidance with Model Predictive Path Integral

シェア:XThreadsFacebookLINEはてブBluesky

MPPIと確率的ORCAを組み合わせ、ノイズのある局所観測下でも安全な分散型マルチエージェント衝突回避を実現する手法を提案し、シミュレーションで有効性を示した。

詳しい要約

1. どんなもの?

- 不確実性下での分散型マルチエージェント衝突回避手法の提案 - Model Predictive Path Integral (MPPI) と Optimal Reciprocal Collision Avoidance (ORCA) の確率的適応を統合 - 各エージェントが局所的なノイズを含む観測のみで独立に動作 - 差動駆動ロボットを対象にシミュレーションで検証 - ソースコードを公開

2. 先行研究と比べてどこがすごい?

- 先行手法の ORCA-DD や B-UAVC とベンチマーク比較 - 運動学的制約、センシングノイズ、行動実行ノイズを考慮 - 確率的な安全制約を MPPI のサンプリング過程に直接組み込む点が新しい - 密な環境でも高い成功率を達成し、既存手法を上回ると報告 - 局所的なノイズ観測のみで安全保証を維持

3. 技術・手法の肝は?

- MPPI と ORCA の確率的適応を統合した枠組み - 確率的安全制約を Second-Order Cone Programming 定式化で表現 - その制約を MPPI のサンプリング過程に組み込む - 各エージェントは分散的に独立動作し、局所ノイズ観測を使用 - 運動学的制約とセンシング・行動ノイズを同時に扱う

4. どうやって有効だと検証した?

- 差動駆動ロボットによる広範なシミュレーションを実施 - ORCA-DD と B-UAVC を含む最先端手法とベンチマーク比較 - 密に混雑した環境でも高い成功率を達成することを確認 - Gazebo シミュレータでの検証によりロボットプラットフォームへの実用性を確認 - ソースコードを GitHub で公開

5. 議論はある?

- 要旨からは不明 - ただし確率的安全制約の保守性や計算コスト、実機実験の有無などが想定される論点 - 明示的な限界や議論の記述は要旨には含まれない

6. 次に読むべき論文は?

- ORCA-DD - B-UAVC - Optimal Reciprocal Collision Avoidance (ORCA) - Model Predictive Path Integral (MPPI) - Second-Order Cone Programming を用いた確率的制約手法

※ AIが要旨から生成した要約です。正確性は原文をご確認ください。

著者: Stepan Dergachev, Konstantin Yakovlev

分類: cs.RO

原文アブストラクト

Decentralized multi-agent navigation under uncertainty is a complex task that arises in numerous robotic applications. It requires collision avoidance strategies that account for both kinematic constraints, sensing and action execution noise. In this paper, we propose a novel approach that integrates the Model Predictive Path Integral (MPPI) with a probabilistic adaptation of Optimal Reciprocal Collision Avoidance. Our method ensures safe and efficient multi-agent navigation by incorporating probabilistic safety constraints directly into the MPPI sampling process via a Second-Order Cone Programming formulation. This approach enables agents to operate independently using local noisy observations while maintaining safety guarantees. We validate our algorithm through extensive simulations with differential-drive robots and benchmark it against state-of-the-art methods, including ORCA-DD and B-UAVC. Results demonstrate that our approach outperforms them while achieving high success rates, even in densely populated environments. Additionally, validation in the Gazebo simulator confirms its practical applicability to robotic platforms. A source code is available at http://github.com/PathPlanning/MPPI-Collision-Avoidance.

関連論文

  1. 1Boston Dynamics、車輪付きAtlasの研究試作機を紹介研究・技術
  2. 2GXOとApptronik、Apolloの物流現場試験を拡大 最大1,000台の展開を構想量産・展開
  3. 3newmoとKDDIが資本業務提携 2028年に堺市で自動運転タクシー商用化目指す提携・買収
  4. 4NVIDIA、CoRLでGR00T 2とIsaac Lab 3.0を発表新製品・発表
  5. 5UC BerkeleyとNVIDIAの研究者、AIエージェントでロボット制御コードを仮想環境で改善研究・技術

PR・アフィリエイト広告

OZ GAMING(GPU搭載BTOゲーミングPC)

OZ GAMING(GPU搭載BTOゲーミングPC)の公式広告バナーOZ GAMINGで完成品PCを見る ↗
PR本紙発行元 EmplifAI