日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

制御・計画arXiv:2512.21497

不確実な動的環境における確率的時間到達・回避・滞在タスクのための時空間チューブ

Spatiotemporal Tubes for Probabilistic Temporal Reach-Avoid-Stay Task in Uncertain Dynamic Environment

シェア:XThreadsFacebookLINEはてブBluesky

不確実な障害物がある動的環境で、確率的な時間到達・回避・滞在タスクを達成するため、時空間チューブを拡張し、リアルタイムでチューブを合成する手法を開発した。モデルフリーで近似や最適化を必要とせず、確率的な安全性とタスク完了を保証する。

詳しい要約

1. どんなもの?

- 動的環境で不確実な障害物が存在する状況における Probabilistic Temporal Reach-Avoid-Stay (PrT-RAS) タスクを扱う研究。 - Spatiotemporal Tube (STT) フレームワークを拡張したもの。 - STT を状態空間内の時変球として定式化し、中心と半径を不確実なセンサ情報に基づきオンライン更新する。 - 確率的な安全性保証と有限時間でのタスク完了を形式的に与える制御手法を提案。

2. 先行研究と比べてどこがすごい?

- 先行研究との具体的比較は要旨からは不明。 - 主張として、時変の不確実障害物を明示的に考慮し形式的な確率的安全保証を与える点、および closed-form で approximation-free・optimization-free な制御則を導出する点を新規性として挙げている。 - model-free かつリアルタイム実行可能で目標への収束を保証するとしている。

3. 技術・手法の肝は?

- Spatiotemporal Tube (STT) を状態空間内の時変球として定式化。 - 中心と半径を不確実なセンサ情報に基づいてオンラインで更新する real-time tube synthesis 手続きを開発。 - 系の軌道をチューブ内に閉じ込める closed-form・approximation-free な制御則を導出。 - これにより確率的な障害物回避と有限時間タスク完了の形式的保証を実現。

4. どうやって有効だと検証した?

- シミュレーション研究とハードウェア実験で有効性とスケーラビリティを実証。 - 対象は mobile robots、UAV、7-DOF manipulator。 - clutter かつ不確実な環境でのナビゲーションを検証。

5. 議論はある?

- 要旨からは不明。 - 主張として model-free・approximation-free・optimization-free でリアルタイム実行可能、目標への収束保証ありと述べるにとどまる。 - 限界や仮定に関する議論は要旨に記載なし。

6. 次に読むべき論文は?

- 要旨で参照・比較されている個別研究は明示されていない。 - 関連手法として Spatiotemporal Tube (STT) の原論文、Reach-Avoid-Stay タスク、probabilistic safety 保証に関する研究を次に読む候補として挙げる。

※ 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: Siddhartha Upadhyay, Ratnangshu Das, Pushpak Jagtap

分類: cs.RO, cs.SY, eess.SY

原文アブストラクト

In this work, we extend the Spatiotemporal Tube (STT) framework to address Probabilistic Temporal Reach-Avoid-Stay (PrT-RAS) tasks in dynamic environments with uncertain obstacles. We develop a real-time tube synthesis procedure that explicitly accounts for time-varying uncertain obstacles and provides formal probabilistic safety guarantees. The STT is formulated as a time-varying ball in the state space whose center and radius evolve online based on uncertain sensory information. We derive a closed-form, approximation-free control law that confines the system trajectory within the tube, ensuring both probabilistic safety and task satisfaction. Our method offers a formal guarantee for probabilistic avoidance and finite-time task completion. The resulting controller is model-free, approximation-free, and optimization-free, enabling efficient real-time execution while guaranteeing convergence to the target. The effectiveness and scalability of the framework are demonstrated through simulation studies and hardware experiments on mobile robots, a UAV, and a 7-DOF manipulator navigating in cluttered and uncertain environments.

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