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:2604.00162

ポリトープ環境における長期的ジオメトリ認識ナビゲーション:MILP-MPCとミンコフスキーCBFによる階層的枠組み

Long-Horizon Geometry-Aware Navigation among Polytopes via MILP-MPC and Minkowski-Based CBFs

シェア:XThreadsFacebookLINEはてブBluesky

複雑な非凸環境での自律ナビゲーションのため、長期的な経路計画と幾何学的安全性を両立する階層的枠組みを提案。高層でMILP-MPCにより点質量モデルで軌道生成し、低層でミンコフスキー差空間に基づくCBFでロボット形状の安全を保証する。

詳しい要約

1. どんなもの?

- 多角形ロボットが多角形障害物間を移動するための階層型計画・制御フレームワーク。 - 高レベルで MILP を MPC に組み込み、点質量近似で公称軌道を生成。 - 低レベルで Minkowski 差空間の厳密符号付き距離に基づく CBF を安全フィルタとして使用。 - さらに HOCBF へ拡張し、ロボット形状の幾何制約を明示的に強制。 - U 字型・迷路様環境で single/double integrator ダイナミクスの下に実証。

2. 先行研究と比べてどこがすごい?

- 純粋に反応的な CBF ベース航法が持つトポロジー起因の局所最小に陥る問題を緩和。 - 高レベル MILP-MPC が長期的な誘導を行い、低レベル CBF が厳密な幾何安全を保証。 - ロボット形状を点質量として扱う計算容易性と、Minkowski 差空間での厳密形状制約を両立。 - 従来の CBF 単独手法と比べ、複雑非凸環境での安全かつリアルタイムな航法を可能に。

3. 技術・手法の肝は?

- 高レベル: MILP を MPC に埋め込み、多角形障害物周りの公称軌道を生成。 - ロボットは計算容易性のため点質量としてモデル化。 - 低レベル: Minkowski 差空間における厳密符号付き距離に基づく CBF を安全フィルタとして適用。 - ロボット形状の幾何制約を明示的に強制するため、CBF を HOCBF に拡張。 - 階層構造で長期的誘導と幾何認識安全保証を橋渡し。

4. どうやって有効だと検証した?

- U 字型および迷路様環境で提案フレームワークを実証。 - single-integrator および double-integrator ダイナミクスの下で検証。 - 結果、トポロジー起因の局所最小挙動を緩和し、安全でリアルタイムな幾何認識航法を実現。

5. 議論はある?

- 純粋に反応的な CBF ベース航法の局所最小問題を緩和できることを議論。 - 安全、リアルタイム、幾何認識の航法が可能であることを示す。 - その他の議論や限界については要旨からは不明。

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。 - 同分野の定番として、CBF ベース安全フィルタ、MILP を用いた MPC、HOCBF、Minkowski 差空間に基づく衝突回避に関する文献が次に読むべき候補。

※ 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: Yi-Hsuan Chen, Salman Ghori, Ania Adil, Eric Feron, Calin Belta

分類: cs.RO

原文アブストラクト

Autonomous navigation in complex, non-convex environments remains challenging when robot dynamics, control limits, and exact robot geometry must all be taken into account. In this paper, we propose a hierarchical planning and control framework that bridges long-horizon guidance and geometry-aware safety guarantees for a polytopic robot navigating among polytopic obstacles. At the high level, Mixed-Integer Linear Programming (MILP) is embedded within a Model Predictive Control (MPC) framework to generate a nominal trajectory around polytopic obstacles while modeling the robot as a point mass for computational tractability. At the low level, we employ a control barrier function (CBF) based on the exact signed distance in the Minkowski-difference space as a safety filter to explicitly enforce the geometric constraints of the robot shape, and further extend its formulation to a high-order CBF (HOCBF). We demonstrate the proposed framework in U-shaped and maze-like environments under single- and double-integrator dynamics. The results show that the proposed architecture mitigates the topology-induced local-minimum behavior of purely reactive CBF-based navigation while enabling safe, real-time, geometry-aware navigation.

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