日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

プランニング/MPCarXiv:2605.21188

不整地キノダイナミックプランニングのための地形適応型イプシロン制約MPC

A Terrain-Adaptive epsilon-Constraint MPC for Uneven Terrain Kinodynamic Planning

シェア:XThreadsFacebookLINEはてブBluesky

不整地を走行する車両の経路計画において、経路効率と姿勢安定性の競合する目的を同時に最適化するため、地形記述子に基づいてイプシロン境界を動的に調整する適応型イプシロン制約法をMPCに統合した。また、車両-地形ダイナミクスを捉える半パラメトリックモデルを提案し、評価では高い成功率と姿勢偏差の低減を達成した。

詳しい要約

1. どんなもの?

- 不整地を走行する車両型ロボットの kinodynamic planning 手法。 - 経路効率と姿勢安定性のトレードオフを同時最適化する。 - adaptive epsilon-constraint を MPC に統合し、terrain descriptors に応じて epsilon を動的調整。 - 車両-地形動力学を semi-parametric model で表現。 - 解析的車両動力学と Sparse Gaussian Process (SGP) を組み合わせる。

2. 先行研究と比べてどこがすごい?

- 従来の MPC ベース手法や MPPI、GAKD と比較。 - ナビゲーション成功率 94% を達成。 - 最大姿勢偏差を 24% 削減。 - 多目的トレードオフ品質を 23% 改善。 - リアルタイムで Pareto front を探索可能。

3. 技術・手法の肝は?

- adaptive epsilon-constraint を MPC に統合。 - epsilon bounds を terrain descriptors に基づき動的調整。 - semi-parametric model を開発。 - 解析的車両動力学 + Sparse Gaussian Process (SGP)。 - SGP は同一の terrain descriptors で学習。

4. どうやって有効だと検証した?

- MPPI と GAKD をベースラインとして比較評価。 - ナビゲーション成功率 94% を達成。 - 最大姿勢偏差 24% 削減。 - 多目的トレードオフ品質 23% 改善。 - 詳細な実験設定は要旨からは不明。

5. 議論はある?

- 要旨からは不明。 - 限界や失敗ケース、計算コスト、一般化性に関する議論は記載なし。

6. 次に読むべき論文は?

- MPPI (Model Predictive Path Integral control) - GAKD (要旨で比較対象として言及) - Sparse Gaussian Process (SGP) 関連研究 - その他の kinodynamic planning 手法

※ 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: Otobong Jerome, Geesara Kalathunga, Tiago Nascimento

分類: cs.RO

原文アブストラクト

Kinodynamic planning for car-like vehicles on uneven terrain requires simultaneously optimizing competing objectives such as path efficiency and pose stability. This work presents an adaptive epsilon-constraint method integrated into a Model Predictive Control (MPC) framework, where the epsilon bounds are dynamically adjusted based on terrain descriptors to explore the Pareto front in real time. To capture vehicle-terrain dynamics, we develop a semi-parametric model combining analytical vehicle dynamics with a Sparse Gaussian Process (SGP) trained on the same terrain descriptors. The proposed epsilon-MPC is evaluated against MPPI and GAKD baselines, achieving a 94% navigation success rate while reducing maximum orientation deviation by 24% and improving multi-objective trade-off quality by 23%.

  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