方向情報付き木探索 (DIT*): 方向フィルタと方向コストヒューリスティックによる最適経路計画

- 最適経路計画のためのサンプリングベースプランナー DIT* (Direction Informed Trees) を提案する論文。 - 各 edge の探索方向を最適化し、探索に goal bias を持たせることを狙う。 - edge を generalized vector として定義し、similarity index を統合した directional filter で nearest neighbor 選択と direction cost 推定を行う。 - 推定した direction cost heuristic を edge evaluation に用いる。 - R^4 から R^16 の問題および実環境の各種 planning task で評価。

- 先行研究として Effort Informed Trees (EIT*) など effort heuristic で探索を導くプランナーを挙げている。 - 有効な heuristic は accurate かつ computationally efficient であるべきだが、両立は相反する性質のため困難と指摘。 - DIT* は edge の探索方向の最適化に着目し、goal bias を生む点が特徴。 - 既存の single-query, sampling-based planner より tested problems で収束が速いと報告。 - 具体的な先行手法との定量的比較の詳細は要旨からは不明。

- edge を generalized vector として定義する。 - similarity index を統合し directional filter を構築、nearest neighbor の選択と direction cost の推定を行う。 - 推定された direction cost heuristic を edge evaluation に利用する。 - この戦略により探索が directional information を効率的に共有できるとする。 - 探索方向の最適化により goal bias を得る点が手法の肝。

- R^4 から R^16 の tested problems で既存の single-query, sampling-based planner より DIT* が速く収束することを示した。 - 実環境 (real-world environments) における各種 planning task でも実証した。 - 実験結果の動画が公開されている (https://youtu.be/2SX6QT2NOek)。 - 具体的なベンチマーク名や指標の詳細は要旨からは不明。

- 要旨からは不明。 - ただし heuristic の accuracy と computational efficiency の相反性が動機として述べられており、direction cost heuristic の精度・計算コストに関する議論が想定される。 - 限界や失敗ケースに関する記述は要旨からは不明。

- Effort Informed Trees (EIT*)：本論文が直接比較・言及する effort heuristic ベースのプランナー。 - Informed RRT* など sampling-based optimal planning の代表的手法（同分野の定番）。 - BIT* (Batch Informed Trees) など informed trees 系の手法（同分野の定番）。