日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

ナビゲーションarXiv:2601.00116

GRL-SNAM: 未知環境における経路微分ハミルトニアンを用いた幾何学的強化学習による同時ナビゲーションとマッピング

GRL-SNAM: Geometric Reinforcement Learning with Path Differential Hamiltonians for Simultaneous Navigation and Mapping in Unknown Environments

シェア:XThreadsFacebookLINEはてブBluesky

未知環境で地図を事前に持たずに、局所的なセンサ情報のみから経路探索と地図構築を同時に行う強化学習フレームワークを提案。ハミルトニアン最適化によりセンサ入力を局所的なエネルギー地形に変換し、適応的に経路を更新する。

詳しい要約

1. どんなもの?

- 未知環境における Simultaneous Navigation and Mapping (SNAM) のための geometric reinforcement learning フレームワーク GRL-SNAM を提案。 - 地図が事前に無い環境で、センサを通じて獲得した局所観測のみを用いてロボットを目標へ移動させる。 - 複数エージェントの階層的または統合的なポリシー設計が必要。 - ナビゲータがセンサエージェントに active query を送り、経路上でセンシングを行う。 - 2D ナビゲーションタスクで評価。

2. 先行研究と比べてどこがすごい?

- 事前ナビゲーションアルゴリズムや他の強化学習手法と異なり、グローバルマップを構築せず局所センサ観測のみに依存。 - 同一の段階的センシング制約下で、局所反応型ベースラインやグローバルポリシー学習参照と比較。 - クリアランスを保持し、未見のレイアウトに汎化。 - 広範なグローバルマッピングではなく、局所エネルギー洗練による最小限の探索で高品質ナビゲーションを実現。

3. 技術・手法の肝は?

- 経路ナビゲーションとマッピングを、制御された Hamiltonian 最適化を用いた動的最短経路探索・発見プロセスとして定式化。 - センサ入力を局所エネルギー地形に変換し、到達可能性、障害物障壁、変形制約をエンコード。 - センシング、計画、再構成のポリシーが Hamiltonian の更新を通じて段階的に進化。 - 縮約 Hamiltonian が適応的スコア関数として機能し、kinetic/potential 項を更新、障壁制約を埋め込み、新しい局所情報に応じて軌道を継続的に洗練。

4. どうやって有効だと検証した?

- 2つの異なる 2D ナビゲーションタスクで評価。 - 同一の段階的センシング制約下で、局所反応型ベースラインおよびグローバルポリシー学習参照と比較。 - クリアランス保持、未見レイアウトへの汎化、最小限の探索による高品質ナビゲーションを実証。

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:preemptive navigation algorithms、local reactive baselines、global policy learning references。 - 関連手法:geometric reinforcement learning、Hamiltonian optimization、Simultaneous Navigation and Mapping (SNAM)。

※ 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: Aditya Sai Ellendula, Yi Wang, Minh Nguyen, Chandrajit Bajaj

分類: cs.LG, cs.RO

原文アブストラクト

We present GRL-SNAM, a geometric reinforcement learning framework for Simultaneous Navigation and Mapping(SNAM) in unknown environments. A SNAM problem is challenging as it needs to design hierarchical or joint policies of multiple agents that control the movement of a real-life robot towards the goal in mapless environment, i.e. an environment where the map of the environment is not available apriori, and needs to be acquired through sensors. The sensors are invoked from the path learner, i.e. navigator, through active query responses to sensory agents, and along the motion path. GRL-SNAM differs from preemptive navigation algorithms and other reinforcement learning methods by relying exclusively on local sensory observations without constructing a global map. Our approach formulates path navigation and mapping as a dynamic shortest path search and discovery process using controlled Hamiltonian optimization: sensory inputs are translated into local energy landscapes that encode reachability, obstacle barriers, and deformation constraints, while policies for sensing, planning, and reconfiguration evolve stagewise via updating Hamiltonians. A reduced Hamiltonian serves as an adaptive score function, updating kinetic/potential terms, embedding barrier constraints, and continuously refining trajectories as new local information arrives. We evaluate GRL-SNAM on two different 2D navigation tasks. Comparing against local reactive baselines and global policy learning references under identical stagewise sensing constraints, it preserves clearance, generalizes to unseen layouts, and demonstrates that Geometric RL learning via updating Hamiltonians enables high-quality navigation through minimal exploration via local energy refinement rather than extensive global mapping. The code is publicly available on \href{https://github.com/CVC-Lab/GRL-SNAM}{Github}.

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. 3GXO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
  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