日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

動作計画arXiv:2511.12022

SBAMP: サンプリングベース適応動作計画

SBAMP: Sampling Based Adaptive Motion Planning

シェア:XThreadsFacebookLINEはてブBluesky

RRT*による大域的計画とオンラインのリアプノフ安定なSEDS風制御を組み合わせ、事前学習なしで動的環境に適応するハイブリッド動作計画フレームワークを提案。

詳しい要約

1. どんなもの?

- 動的環境で動作する自律ロボット向けのハイブリッドな motion planning フレームワーク。 - 名称は Sampling-Based Adaptive Motion Planning (SBAMP)。 - RRT* ベースの global planning と、オンラインで Lyapunov-stable な SEDS-inspired controller を組み合わせる。 - 事前学習データを必要としない点を特徴とする。

2. 先行研究と比べてどこがすごい?

- 従来の sampling-based planner である RRT* は near-optimal な経路を生成できるが、外乱下での適応が課題。 - SEDS などの dynamical systems 手法は滑らかな reactive behavior を実現するが、offline の data-driven optimization に依存。 - SBAMP は両者を統合し、事前学習なしで global path structure を保ちつつリアルタイム適応を狙う点が異なる。

3. 技術・手法の肝は?

- RRT* による global planning と、オンラインの Lyapunov-stable な SEDS-inspired controller を組み合わせる。 - control loop に軽量な constrained optimization を組み込むことで、安定かつリアルタイムな適応を実現。 - global path structure を維持しながら外乱へ反応する設計。

4. どうやって有効だと検証した?

- simulation と RoboRacer hardware の両方で実験。 - 外乱からの robust な recovery、信頼性のある obstacle handling、動的条件下での一貫した性能を確認。

5. 議論はある?

- 要旨からは不明。 - 想定される論点として、constrained optimization の計算負荷、Lyapunov-stable 性の保証範囲、実機でのスケーラビリティなどが考えられるが、要旨には明記されていない。

6. 次に読むべき論文は?

- RRT*(sampling-based planning の代表手法)。 - SEDS(dynamical systems による reactive planning 手法)。 - Lyapunov-stable control に関する関連研究。 - RoboRacer を用いた実機検証の関連研究。

※ 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: Shreyas Raorane, Kabir Ram Puri, Anh-Quan Pham

分類: cs.RO, cs.SY, eess.SY

原文アブストラクト

Autonomous robots operating in dynamic environments must balance global path optimality with real-time responsiveness to disturbances. This requires addressing a fundamental trade-off between computationally expensive global planning and fast local adaptation. Sampling-based planners such as RRT* produce near-optimal paths but struggle under perturbations, while dynamical systems approaches like SEDS enable smooth reactive behavior but rely on offline data-driven optimization. We introduce Sampling-Based Adaptive Motion Planning (SBAMP), a hybrid framework that combines RRT*-based global planning with an online, Lyapunov-stable SEDS-inspired controller that requires no pre-trained data. By integrating lightweight constrained optimization into the control loop, SBAMP enables stable, real-time adaptation while preserving global path structure. Experiments in simulation and on RoboRacer hardware demonstrate robust recovery from disturbances, reliable obstacle handling, and consistent performance under dynamic conditions.

関連論文

  1. 1Boston Dynamics、車輪付きAtlasの研究試作機を紹介研究・技術
  2. 2newmoとKDDIが資本業務提携 2028年に堺市で自動運転タクシー商用化目指す提携・買収
  3. 3NVIDIA、CoRLでGR00T 2とIsaac Lab 3.0を発表新製品・発表
  4. 4GXOとApptronik、Apolloの物流現場試験を拡大 最大1,000台の展開を構想量産・展開
  5. 5Google DeepMind、ロボット向けAIを発表新製品・発表

PR・アフィリエイト広告

FRONTIER(GPU搭載BTOパソコン)

FRONTIER(GPU搭載BTOパソコン)の公式広告バナーFRONTIERでGPU搭載PCを見る ↗
PR本紙発行元 EmplifAI