動的環境における動作計画：古典的手法から現代的手法までのサーベイ

- 動的環境におけるmotion planningのサーベイ論文。 - 2015–2025年の138件を対象。 - sampling, graph search, model predictive control, learning, その他古典的local planning（velocity obstacles, potential fields, dynamic windows）の5カテゴリに分類。 - learningはsupervised learningとreinforcement learningを含む。 - dynamic perception（cameras, LiDAR, event-based sensorsによる移動障害物の検出・モデリング）も議論。 - 各手法の原理・長所・限界を分析。

- 静的環境の計画に関するサーベイは多いが、動的環境に焦点を当てた系統的レビューは限られている。 - 本サーベイは古典的手法から学習ベース手法までを横断し、138件を5カテゴリに整理。 - 動的環境特有の課題（prediction uncertainty, human-robot interaction, freezing robot problem）に特に注目。 - 動的知覚と計画の統合的な視点を提供。

- 計画手法をsampling, graph search, model predictive control, learning, その他古典的local planning（velocity obstacles, potential fields, dynamic windows）に分類。 - learningはsupervised learningとreinforcement learningに分ける。 - dynamic perceptionではcameras, LiDAR, event-based sensorsを用いた移動障害物の検出・モデリング技術を扱う。 - 各手法の原理・強み・限界を分析。 - 動的環境特有の課題（prediction uncertainty, human-robot interaction, freezing robot problem）に着目。

- 138件の文献をレビューし、5カテゴリに分類して各手法の原理・長所・限界を分析。 - 動的環境に特有の課題（prediction uncertainty, human-robot interaction, freezing robot problem）を議論。 - 具体的な実験的検証は要旨からは不明。

- 動的環境における課題としてprediction uncertainty, human-robot interaction, freezing robot problemを指摘。 - 各手法の限界を分析。 - 今後の研究方向や未解決問題については要旨からは不明。

- 要旨で参照・比較されている個別研究は明示されていない。 - 同分野の定番として、sampling-based planning（RRT*, PRM）、graph search（A*, D* Lite）、model predictive control、velocity obstacles、potential fields、dynamic window approach、supervised learning、reinforcement learning、event-based sensorsに関する論文が挙げられる。