日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

ナビゲーションarXiv:2508.10363

BEASST: 行動エントロピー勾配に基づく移動ロボットの適応的ソース探索

BEASST: Behavioral Entropic Gradient based Adaptive Source Seeking for Mobile Robots

シェア:XThreadsFacebookLINEはてブBluesky

信号強度を確率とみなし行動エントロピーで探索と活用を適応的に切り替える移動ロボットのソース探索手法を提案し、DARPA SubTなどで従来法より15%短い経路と20%速い発見を達成した。

詳しい要約

1. どんなもの?

- 移動ロボットのための新しい source seeking フレームワーク BEASST を提案する論文 - 複雑で未知の環境において、ロボットが信号源を効率的に探索することを目的とする - 正規化した信号強度を、信号源位置の surrogate probability としてモデル化する - Behavioral Entropy(BE) と Prelec's probability weighting function を基盤とする - 信号の信頼性や mission urgency に応じて、リスク回避からリスク追求へとロボットの挙動を適応させる - 単峰性信号の仮定下での理論的な収束保証と、有界外乱下での実用的安定性を提示する

2. 先行研究と比べてどこがすごい?

- 既存の state-of-the-art 手法と比較して性能向上を主張する点が特徴 - DARPA SubT および multi-room シナリオでの実験で、一貫して既存手法を上回ると報告 - 経路長を 15% 削減する - 信号源の位置特定を 20% 高速化する - 不確実性に駆動されるナビゲーションにより、積極的な追跡と慎重な探索を動的に切り替える点が差分として示される - 具体的な比較対象手法名は要旨からは不明

3. 技術・手法の肝は?

- 正規化した信号強度を信号源位置の surrogate probability として扱う - Behavioral Entropy(BE) に Prelec's probability weighting function を組み合わせる - 信号の信頼性と mission urgency に基づいて挙動を適応させる目的関数を定義する - リスク回避的挙動からリスク追求的挙動へと連続的に適応する枠組みを与える - 単峰性信号の仮定の下で理論的な収束保証を導く - 有界外乱の下での実用的な安定性も扱う - 不確実性に基づき、積極的 pursuit と慎重な exploration を動的に遷移させる

4. どうやって有効だと検証した?

- DARPA SubT のシナリオで実験的に検証する - multi-room シナリオでも実験的に検証する - 既存の state-of-the-art 手法との比較を行う - 経路長が 15% 削減されることを示す - 信号源の位置特定が 20% 高速化されることを示す - 不確実性に駆動されるナビゲーションにより、積極的追跡と慎重な探索の動的遷移が有効であることを示す

5. 議論はある?

- 理論的には単峰性信号の仮定の下での収束保証に限定される - 有界外乱の下での実用的安定性について言及する - 多峰性信号や仮定が崩れる場合の挙動については要旨からは不明 - mission urgency の定義や設定方法の詳細は要旨からは不明 - Prelec's probability weighting function のパラメータ選択や感度については要旨からは不明 - 実機実験の規模や環境条件の詳細は要旨からは不明

6. 次に読むべき論文は?

- Behavioral Entropy(BE) に関する論文 - Prelec's probability weighting function に関する論文 - DARPA SubT の関連研究 - source seeking の state-of-the-art 手法(具体的な比較対象名は要旨からは不明) - 移動ロボットの exploration-exploitation バランスに関する研究 - 信号源探索における不確実性駆動ナビゲーションの関連研究

※ 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: Donipolo Ghimire, Aamodh Suresh, Carlos Nieto-Granda, Solmaz S. Kia

分類: cs.RO

原文アブストラクト

This paper presents BEASST (Behavioral Entropic Gradient-based Adaptive Source Seeking for Mobile Robots), a novel framework for robotic source seeking in complex, unknown environments. Our approach enables mobile robots to efficiently balance exploration and exploitation by modeling normalized signal strength as a surrogate probability of source location. Building on Behavioral Entropy(BE) with Prelec's probability weighting function, we define an objective function that adapts robot behavior from risk-averse to risk-seeking based on signal reliability and mission urgency. The framework provides theoretical convergence guarantees under unimodal signal assumptions and practical stability under bounded disturbances. Experimental validation across DARPA SubT and multi-room scenarios demonstrates that BEASST consistently outperforms state-of-the-art methods, achieving 15% reduction in path length and 20% faster source localization through intelligent uncertainty-driven navigation that dynamically transitions between aggressive pursuit and cautious exploration.

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. 2newmo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
  3. 3NVIDIA、CoRLでGR00T 2とIsaac Lab 3.0を発表新製品・発表
  4. 4GXO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
  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

FRONTIER(GPU搭載BTOパソコン)

FRONTIER(GPU搭載BTOパソコン)の公式広告バナーFRONTIERでGPU搭載PCを見る ↗
PR本紙発行元 EmplifAI