動的運動プリミティブと強化学習による障害物回避

- 本研究は、単一の人工デモンストレーションから滑らかで準最適な衝突回避3D Cartesian軌道を高速生成する手法を提案する。 - デモをDynamic Movement Primitive (DMP)として符号化し、policy-based reinforcement learningで反復的に再形成して多様な障害物配置に対応する軌道データセットを構築する。 - 障害物の寸法・位置をpoint cloudから自動抽出したタスクパラメータを入力とし、DMPパラメータを出力するneural networkを学習する。 - シミュレーションと実機実験で検証され、RRT-Connectベースラインを上回る性能を示す。

- 学習ベースのmotion planningは大規模データセットや高コストな人間デモ収集を必要とするが、本手法は単一の人工デモのみで済む。 - 従来のRRT-Connectベースラインと比較して、計算時間・実行時間・軌道長のすべてで優位である。 - 異なる障害物形状やend-effector寸法に対するmulti-modalな軌道生成をサポートする点が特徴的である。 - 大規模データや実人間デモを必要とせず、短時間で多様な軌道データセットを生成できる点が先行研究との差異として示唆される。

- 単一の人工デモンストレーションをDynamic Movement Primitive (DMP)で符号化する。 - policy-based reinforcement learningによりDMPを反復的に再形成し、様々な障害物配置に対応する軌道データセットを生成する。 - point cloudから障害物の寸法・位置を自動抽出し、タスクパラメータとして利用する。 - neural networkがタスクパラメータを入力としてDMPパラメータを出力し、軌道を生成する。 - これにより滑らかで準最適な衝突回避3D Cartesian軌道を高速に生成する。

- シミュレーション実験と実機ロボット実験の両方で検証している。 - RRT-Connectベースラインと比較し、計算時間・実行時間・軌道長の各指標で優位性を示す。 - 異なる障害物形状やend-effector寸法に対するmulti-modal軌道生成のサポートも確認している。 - 動画と実装コードが公開されている。

- 要旨からは不明。 - ただし、単一デモからのデータセット生成やRLによるDMP再形成の一般化性能、実機での安全性・頑健性に関する議論が想定されるが、要旨には明示されていない。

- RRT-Connect（ベースラインとして比較） - Dynamic Movement Primitive (DMP)に関する基礎論文 - policy-based reinforcement learning（例：PI2、PPOなど） - point cloudからの障害物パラメータ抽出手法 - 学習ベースmotion planningの代表的手法（例：MPNet、Motion Planning Networksなど）