日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

マニピュレーションarXiv:2602.16462

動的環境における粒子ベース知覚を用いた反応的動作生成

Reactive Motion Generation With Particle-Based Perception in Dynamic Environments

シェア:XThreadsFacebookLINEはてブBluesky

粒子ベースの動的マッピングとMPPI計画を組み合わせ、ロボットと障害物の動力学を同時に予測することで、動的環境での衝突回避性能を向上させる手法を提案した。

詳しい要約

1. どんなもの?

- 動的で非構造化環境におけるマニピュレータの反応的な動作生成を扱う研究。 - モデルベースの視点から、反応的計画と動的マッピングの密接な関係を明らかにする。 - 粒子ベースの知覚とMPPIベースの計画を統合したフレームワークを提案。

2. 先行研究と比べてどこがすごい?

- 従来のMPPIベースの知覚・計画ベースラインと比較して、動的障害物の明示的なモデル化により安全性と反応性が一貫して向上。 - 静的な知覚とシステムダイナミクスに依存していた従来手法に対し、動的障害物の速度と共分散を維持する点が新しい。

3. 技術・手法の肝は?

- テンソル化された粒子重み更新スキームを提案し、障害物の速度と共分散を明示的に維持。 - 障害物を考慮したMPPIベースの計画定式化を提案し、ロボットと障害物のダイナミクスを同時に伝播。 - 不確実性下での将来のシステム動作を予測・評価する。

4. どうやって有効だと検証した?

- シミュレーションとノイズの多い実世界環境で完全なフレームワークを適用。 - 複数の静的および動的障害物を回避するタスクで、最先端のMPPIベースの知覚・計画ベースラインと比較して性能向上を実証。

5. 議論はある?

- 要旨からは不明。

6. 次に読むべき論文は?

- MPPIベースの知覚・計画ベースライン(具体的な論文名は要旨に記載なし)。 - 同分野の定番として、Model Predictive Path Integral Control (MPPI) や Particle-based Perception に関する研究。

※ 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: Xiyuan Zhao, Huijun Li, Lifeng Zhu, Zhikai Wei, Xianyi Zhu, Aiguo Song

分類: cs.RO

原文アブストラクト

Reactive motion generation in dynamic and unstructured scenarios is typically subject to essentially static perception and system dynamics. Reliably modeling dynamic obstacles and optimizing collision-free trajectories under perceptive and control uncertainty are challenging. This article focuses on revealing tight connection between reactive planning and dynamic mapping for manipulators from a model-based perspective. To enable efficient particle-based perception with expressively dynamic property, we present a tensorized particle weight update scheme that explicitly maintains obstacle velocities and covariance meanwhile. Building upon this dynamic representation, we propose an obstacle-aware MPPI-based planning formulation that jointly propagates robot-obstacle dynamics, allowing future system motion to be predicted and evaluated under uncertainty. The model predictive method is shown to significantly improve safety and reactivity with dynamic surroundings. By applying our complete framework in simulated and noisy real-world environments, we demonstrate that explicit modeling of robot-obstacle dynamics consistently enhances performance over state-of-the-art MPPI-based perception-planning baselines avoiding multiple static and dynamic obstacles.

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