ナビゲーション/強化学習2025/9/1arXiv:2509.13386

VEGA: 物理情報ニューラルオペレータとPPOによる電気自動車ナビゲーションエージェント

VEGA: Electric Vehicle Navigation Agent via Physics-Informed Neural Operator and Proximal Policy Optimization

車両の物理パラメータをPINOで推定し、PPOで充電停止を含む経路計画を行うEV向けエネルギー考慮型ナビゲーションシステムを提案。米国横断ルートで実用的な計画を高速に生成し、他国への汎化も示した。

詳しい要約

1. どんなもの？

- 電動車両(EV)向けの車両適応型・エネルギー考慮ルーティングシステム VEGA の提案。 - 2つの結合モジュールから構成される。 - physics-informed neural operator (PINO): 車両固有の物理パラメータ(drag, rolling resistance, mass, motor/regenerative-braking efficiencies, auxiliary load)を車載の速度・加速度データの短い窓から推定。 - Proximal Policy Optimization (PPO) agent: charger-annotated road graph 上で経路と充電停止を同時選択し、state-of-charge 制約下で航行。 - 米国 highway network と Tesla Supercharger 立地を用いて評価。

2. 先行研究と比べてどこがすごい？

- 制御ベースライン Energy-aware A* と比較して、距離・運転時間の差は小さい(-8.49km, +0.37h)一方、推論は20倍以上高速。 - 学習方針は再学習なしでフランス・日本の道路網にも汎化。 - 物理パラメータ推定と RL 経路計画を結合した点が特徴(先行研究との具体的比較は要旨からは不明)。

3. 技術・手法の肝は？

- PINO により短い速度・加速度窓から車両固有の物理パラメータを推定。 - PPO agent が charger-annotated road graph 上で経路と充電停止を同時に選択。 - A* teacher からの behavior cloning で初期化し、curriculum-guided PPO で微調整。 - state-of-charge 制約下での充電考慮型計画。

4. どうやって有効だと検証した？

- San Francisco-New York 間(~4,860km)の cross-country 経路で評価。 - 20回の充電停止を含む実行可能計画を生成し、総旅行時間56.12h、最小 SoC 11.41%。 - Energy-aware A* ベースラインとの距離・時間比較、推論速度比較(>20x faster)。 - フランス・日本への再学習なし汎化を確認。

5. 議論はある？

- 距離・時間の差は小さく推論高速性が示されるが、最小 SoC 11.41% など制約余裕や実環境でのロバスト性に関する議論は要旨からは不明。 - 汎化先の道路網・充電インフラ差異の影響は要旨からは不明。

6. 次に読むべき論文は？

- Energy-aware A*(本論文のベースライン) - Proximal Policy Optimization (PPO) - physics-informed neural operator (PINO) - behavior cloning / curriculum learning 関連研究 - A* 経路計画(同分野の定番)

※ 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: Hansol Lim, Minhyeok Im, Jonathan Boyack, Jee Won Lee, Jongseong Brad Choi

分類: cs.RO, cs.LG

原文アブストラクト

We present VEGA, a vehicle-adaptive energy-aware routing system for electric vehicles (EVs) that integrates physics-informed parameter estimation with RL-based charge-aware path planning. VEGA consists of two copupled modules: (1) a physics-informed neural operator (PINO) that estimates vehicle-specific physical parameters-drag, rolling resistance, mass, motor and regenerative-braking efficiencies, and auxiliary load-from short windows of onboard speed and acceleration data; (2) a Proximal Policy Optimization (PPO) agent that navigates a charger-annotated road graph, jointly selecting routes and charging stops under state-of-charge constraints. The agent is initialized via behavior cloning from an A* teacher and fine-tuned with cirriculum-guided PPO on the full U.S. highway network with Tesla Supercharger locations. On a cross-country San Francisco-to-New York route (~4,860km), VEGA produces a feasible 20-stop plan with 56.12h total trip time and minimum SoC 11.41%. Against the controlled Energy-aware A* baseline, the distance and driving-time gaps are small (-8.49km and +0.37h), while inference is >20x faster. The learned policy generalizes without retraining to road networks in France and Japan.

arXivで原文を読む →arXiv概要ページ

← 論文一覧