日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

群制御arXiv:2512.13293

内在的動機付けによる協調探索を用いたマルチロボット社会的地形ナビゲーション

Intrinsic-Motivation Multi-Robot Social Formation Navigation with Coordinated Exploration

シェア:XThreadsFacebookLINEはてブBluesky

歩行者との共存環境で複数ロボットが隊形を保ちながら移動するため、内在的報酬による協調探索を導入した強化学習手法を提案し、ベンチマークで既存手法を上回る性能を示した。

詳しい要約

1. どんなもの?

- 本論文は、マルチロボットの社会的フォーメーションナビゲーションに強化学習(RL)を適用する研究。 - 歩行者の予測不能で非協力的な動きが課題であり、ロボット間の協調探索の効率が問題となる。 - これを解決するため、協調探索マルチロボットRLアルゴリズムを提案。 - 内在的動機に基づく探索を導入し、自己学習型の内在的報酬メカニズムを核とする。 - 集中訓練・分散実行フレームワーク内でデュアルサンプリングモードを採用し、二重時間スケール更新則でパラメータ更新を分離。 - 社会的フォーメーションナビゲーションベンチマークで既存の最先端手法を上回る性能を示す。

2. 先行研究と比べてどこがすごい?

- 既存のRL手法と比較して、歩行者の非協力的ダイナミクス下での協調探索の効率を改善。 - 内在的動機に基づく自己学習型報酬メカニズムにより、ポリシーの保守性を集団的に緩和。 - デュアルサンプリングモードと二重時間スケール更新則を組み合わせ、ナビゲーションポリシーと内在的報酬の表現を強化。 - 社会的フォーメーションナビゲーションベンチマークで既存の最先端手法より優れた性能を達成。

3. 技術・手法の肝は?

- 協調探索マルチロボットRLアルゴリズムを提案。 - 核となるのは自己学習型の内在的報酬メカニズムで、ポリシーの保守性を集団的に緩和する。 - 集中訓練・分散実行(CTDE)フレームワーク内にデュアルサンプリングモードを導入。 - 二重時間スケール更新則を用いてパラメータ更新を分離し、ナビゲーションポリシーと内在的報酬の表現を向上。

4. どうやって有効だと検証した?

- 社会的フォーメーションナビゲーションベンチマーク上で実験を実施。 - 提案アルゴリズムが既存の最先端手法よりも重要な指標で優れた性能を示すことを実証。 - コードとビデオデモを公開(https://github.com/czxhunzi/CEMRRL)。

5. 議論はある?

- 要旨からは不明。

6. 次に読むべき論文は?

- 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、マルチロボット強化学習、社会的ナビゲーション、内在的動機に基づく探索、集中訓練・分散実行(CTDE)に関する論文が挙げられる。

※ 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: Hao Fu, Wei Liu, Shuai Zhou

分類: cs.RO, cs.AI

原文アブストラクト

This paper investigates the application of reinforcement learning (RL) to multi-robot social formation navigation, a critical capability for enabling seamless human-robot coexistence. While RL offers a promising paradigm, the inherent unpredictability and often uncooperative dynamics of pedestrian behavior pose substantial challenges, particularly concerning the efficiency of coordinated exploration among robots. To address this, we propose a novel coordinated-exploration multi-robot RL algorithm introducing an intrinsic motivation exploration. Its core component is a self-learning intrinsic reward mechanism designed to collectively alleviate policy conservatism. Moreover, this algorithm incorporates a dual-sampling mode within the centralized training and decentralized execution framework to enhance the representation of both the navigation policy and the intrinsic reward, leveraging a two-time-scale update rule to decouple parameter updates. Empirical results on social formation navigation benchmarks demonstrate the proposed algorithm's superior performance over existing state-of-the-art methods across crucial metrics. Our code and video demos are available at: https://github.com/czxhunzi/CEMRRL.

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. 2GXO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
  3. 3newmo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
  4. 4NVIDIA、CoRLでGR00T 2とIsaac Lab 3.0を発表新製品・発表
  5. 5UC BerkeleyとNVIDIAの研究者、AIエージェントでロボット制御コードを仮想環境で改善研究・技術

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