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arXiv:2604.10358

COSMIK-MPPI:近接動的人間環境における衝突回避への制約付きモデル予測制御の拡張

COSMIK-MPPI: Scaling Constrained Model Predictive Control to Collision Avoidance in Close-Proximity Dynamic Human Environments

シェア:XThreadsFacebookLINEはてブBluesky

MPPI制御に制約違反を終端事象として扱う手法を組み合わせ、人間の動作予測に依存せずに衝突回避を保証するフレームワークを提案し、実機で検証した。

詳しい要約

1. どんなもの?

トルク制御マニピュレータと人間の近接動的環境での衝突回避を目的とした制御フレームワーク COSMIK-MPPI を提案する研究。 - Model Predictive Control (MPC) の枠組みで、硬い制約を扱い安全性を保証する。 - サンプリングベースの Model Predictive Path Integral (MPPI) 制御と、人間運動推定ツールボックス RT-COSMIK、制約違反を終端事象として扱う Constraints-as-Terminations 変換を組み合わせる。 - 大きなペナルティ項や明示的な人間運動予測に依存せず安全性を強制する。 - シミュレーションと実機マニピュレータで評価。

2. 先行研究と比べてどこがすごい?

従来の Gradient-Based MPC (GB-MPC) は複雑環境での衝突回避性能が限定的。 - サンプリングベースの MPPI は確率的ロールアウトで代替するが、加法的ペナルティによる安全強制は脆弱で形式的な制約満足保証がない。 - 提案手法は制約違反を終端事象として扱うことで、大きなペナルティ項や明示的な人間運動予測なしに安全性を強制。 - 結果として GB-MPC を大きく上回る 100% のタスク成功率と一定計算時間 (22 ms) を達成。 - 実行不可能なシミュレーションシナリオでも vanilla MPPI と異なり衝突のない軌道を一貫して生成。

3. 技術・手法の肝は?

MPPI と RT-COSMIK および Constraints-as-Terminations 変換を統合。 - MPPI のサンプリングベース最適化を基盤とする。 - RT-COSMIK は人間運動推定ツールボックスとして利用。 - Constraints-as-Terminations は制約違反を終端事象として扱い、ペナルティ項に頼らず安全性を強制。 - 明示的な人間運動予測を必要としない。 - これにより硬い制約を扱いつつ、計算時間を一定に保つ。

4. どうやって有効だと検証した?

シミュレーションと実機マニピュレータアームで評価。 - 最先端の GB-MPC および vanilla MPPI と比較。 - 結果: COSMIK-MPPI は 100% のタスク成功率、計算時間 22 ms で GB-MPC を大きく上回る。 - シミュレーションの実行不可能シナリオでは、vanilla MPPI と異なり一貫して衝突のない軌道を生成。 - 手頃なマーカーレス人間運動推定器を用いて、共有ワークスペースでの複雑な実世界 human-robot interaction タスクを安全に実行。 - 結果は https://exquisite-parfait-ffa925.netlify.app で展示。

5. 議論はある?

提案手法はロバストでコンプライアント、実用的な予測衝突回避ソリューションを実証。 - 大きなペナルティ項や明示的な人間運動予測に依存しない点が利点。 - 制約違反を終端事象として扱うことで形式的な制約満足保証に近づく。 - ただし、要旨からは限界や失敗事例、計算負荷の詳細、スケーラビリティに関する議論は不明。 - 実世界タスクでの安全性と性能は示されているが、一般化可能性や他の環境への適用性は要旨からは不明。

6. 次に読むべき論文は?

要旨で参照/比較されている研究: Gradient-Based MPC (GB-MPC)、vanilla MPPI、RT-COSMIK、Constraints-as-Terminations。 - 関連手法として Model Predictive Path Integral (MPPI) control、Model Predictive Control (MPC) が挙げられる。 - 次に読むべき論文としては、GB-MPC の限界を扱った研究、MPPI の安全性強化に関する研究、RT-COSMIK の詳細、Constraints-as-Terminations の原論文が考えられる。 - 同分野の定番として、human motion prediction を用いた collision avoidance や sampling-based MPC の安全制約に関する研究も参考になる。

※ 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: Ege Gursoy, Maxime Sabbah, Arthur Haffemayer, Joao Cavalcanti Santos, Pietro Noah Crestaz, Vladimir Petrik, Nicolas Mansard, Vincent Bonnet

分類: cs.RO

原文アブストラクト

Ensuring safe physical interaction between torque-controlled manipulators and humans is essential for deploying robots in everyday environments. Model Predictive Control (MPC) has emerged as a suitable framework thanks to its capacity to handle hard constraints, provide strong guarantees and zero-shot adaptability through predictive reasoning. However, Gradient-Based MPC (GB-MPC) solvers have demonstrated limited performance for collision avoidance in complex environments. Sampling-based approaches such as Model Predictive Path Integral (MPPI) control offer an alternative via stochastic rollouts, but enforcing safety via additive penalties is inherently fragile, as it provides no formal constraint satisfaction guarantees. We propose a collision avoidance framework called COSMIK-MPPI combining MPPI with the toolbox for human motion estimation RT-COSMIK and the Constraints-as-Terminations transcription, which enforces safety by treating constraint violations as terminal events, without relying on large penalty terms or explicit human motion prediction. The proposed approach is evaluated against state-of-the-art GB-MPC and vanilla MPPI in simulation and on a real manipulator arm. Results show that COSMIK-MPPI achieves a 100% task success rate with a constant computation time (22 ms), largely outperforming GB-MPC. In simulated infeasible scenarios, COSMIK-MPPI consistently generates collision-free trajectories, contrary to vanilla MPPI. These properties enabled safe execution of complex real-world human-robot interaction tasks in shared workspaces using an affordable markerless human motion estimator, demonstrating a robust, compliant, and practical solution for predictive collision avoidance (cf. results showcased at https://exquisite-parfait-ffa925.netlify.app)

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