混合整数計画の凸緩和をより厳密に：論理ネットワークフローによるタスク・動作計画

- 本論文は「Logic Network Flow」と名付けた最適化ベースの task and motion planning (TAMP) フレームワークを提案する。 - temporal logic 仕様を mixed-integer program (MIP) に統合し、ロボット計画を効率化する。 - Graph-of-Convex-Sets 定式化に着想を得て、temporal predicate を network flow モデルの各 edge 上の polyhedral 制約として符号化する。 - 従来の Logic Tree 定式化のように node 間の制約として扱わない点が特徴。 - piecewise-affine 動的システムに対する temporal logic motion planning を対象とする。

- 従来の Logic Tree 定式化では temporal predicate を node 間の制約として扱うが、本手法は network flow の edge 上の polyhedral 制約として符号化する。 - network-flow-based Fourier-Motzkin elimination により連続 flow 変数を除去しつつ convex relaxation の tightness を保つ。 - その結果、Logic Tree 定式化より provably tighter な convex relaxation とより少ない制約を実現する。 - 実験では最大で数桁の計算速度向上とメモリ消費削減を報告。

- Graph-of-Convex-Sets に着想を得た network flow モデル上で、temporal predicate を各 edge の polyhedral 制約として符号化する。 - network-flow-based Fourier-Motzkin elimination 手順を提案し、連続 flow 変数を除去する。 - この除去により convex relaxation の tightness を保ち、Logic Tree より provably tighter な緩和と制約数削減を導く。 - MIP として解く最適化ベースの TAMP フレームワークに統合する。

- vehicle routing、multi-robot coordination、temporal logic control on dynamical systems の包括的実験を実施。 - point-mass モデルと linear inverted pendulum モデルを使用。 - 最大で数桁の計算速度向上とメモリ消費削減を確認。 - quadrupedal robots によるハードウェア実証で、動的に変化する環境下での real-time replanning 能力を検証。

- 要旨からは不明。 - 実験で示された速度向上・メモリ削減・real-time replanning 以外の限界や議論は要旨に記載がない。

- Logic Tree 定式化（比較対象として言及）。 - Graph-of-Convex-Sets 定式化（着想元として言及）。 - Fourier-Motzkin elimination（手法の基礎として言及）。 - mixed-integer program (MIP) を用いた TAMP の関連研究（同分野の定番）。