SAFE-MA-RRT: データ駆動型安全証明を用いたマルチエージェント動作計画

- 共有の障害物環境で動作するhomogeneous linear multi-agent systems向けの、完全data-drivenなmotion-planningフレームワーク。 - 各agentが実験dataからclosed-loop挙動を学習し、locally invariant ellipsoidsとstate-feedback gainsを生成。 - これらのellipsoidsをwaypoint周辺に配置し、sampling-based plannerで安全なtrajectoryを合成する。

- 明示的なsystem modelを必要とせず、dataとconvex optimizationのみで動的feasibilityと安全性を保証する点が特徴。 - 各edgeにlocal controllerを付与し、runtimeでのoptimization再求解を不要にする点が先行手法と異なる。 - 要旨からは具体的な比較対象研究は不明。

- 各agentがconvex semidefinite programsを解き、locally invariant ellipsoidsとstate-feedback gainsをdataから学習。 - grid-based waypointsにellipsoidsを中心配置し、隣接ellipsoidsがoverlapする場合のみ遷移を許可してinvariant-to-invariant transitionsを保証。 - sampling-based plannerでwaypoint treeを構築し、space-time reservation tableでagent間の同時占有とhead-on collisionsを防止。

- Simulation resultsにより、共有dynamicsと制約下で複数agentのsynchronizedかつsafeなtrajectoriesを合成できることを示した。 - dataとconvex optimization toolsのみを用いて有効性を検証。 - 実機実験や詳細な定量評価は要旨からは不明。

- 要旨からは明示的な議論・限界は不明。 - homogeneous linear multi-agent systemsへの適用に限定されている点が想定されるが、要旨に記述なし。 - runtimeでのoptimization不要という利点がある一方、学習済みellipsoidsの保守性などは要旨からは不明。

- 要旨で参照・比較されている研究は明示されていない。 - 関連手法としてsampling-based motion planning（RRTなど）、control barrier functions、invariant ellipsoids、space-time reservation tableを用いるmulti-agent coordinationの文献が次に読む候補。 - data-driven controlの観点では、Willems' fundamental lemmaやdata-driven LQR関連の研究が関連する一般名として挙げられる。