日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

動作計画arXiv:2606.16480

HOLO-MPPI: 階層的方策最適化によるマルチシナリオ動作計画

HOLO-MPPI: Multi-Scenario Motion Planning via Hierarchical Policy Optimization

シェア:XThreadsFacebookLINEはてブBluesky

オフラインで学習した高レベル方策をMPPIのサンプリング事前分布として用い、多様なシナリオで頑健な動作計画を実時間で行うフレームワークを提案した。

詳しい要約

1. どんなもの?

- 実世界のロボットが多様なシナリオで再調整なしに動作計画を行うための枠組み。 - HOLO-MPPI (High-level Offline, Low-level Online MPPI) と名付けられた。 - 高レベル方策学習と低レベル確率的最適制御を組み合わせる。 - オフラインで抽象行動空間の方策と世界モデルを学習。 - オンラインで方策をMPPIのサンプリング事前分布生成器として用いる。 - 自動運転に適用し、多様な運転シナリオで評価。

2. 先行研究と比べてどこがすごい?

- エンドツーエンドRLはシナリオ間で汎化するが、分布シフトや報酬誤指定、確率的相互作用で脆くなる。 - MPPIは勾配なしでリアルタイム精緻化が可能だが、性能は整形されたサンプリング事前分布に依存。 - 手動での事前分布設計はマルチシナリオ展開にスケールしない。 - HOLO-MPPIは学習された高レベル方策をMPPIの事前分布として用いることで、これらの課題に対処。 - 評価でMPPIおよびエンドツーエンドRLベースラインを上回り、リアルタイム制御を維持。

3. 技術・手法の肝は?

- オフラインで高レベル方策を学習:抽象行動空間でシナリオ頑健な計画を提案。 - 学習された世界モデルをオンラインロールアウトに使用。 - オンラインで方策がデータ駆動型事前分布生成器として機能。 - 現在の観測とゴールに条件付けられたMPPIのサンプリング分布をパラメータ化。 - MPPIはこの事前分布の周りで低レベル制御列をリアルタイム最適化し、局所外乱に適応。 - 自動運転向けに効果的な高レベル行動空間と調整されたモデルアーキテクチャを設計。

4. どうやって有効だと検証した?

- 多様な運転シナリオでの評価を実施。 - HOLO-MPPIがMPPIおよびエンドツーエンドRLベースラインを改善することを示した。 - リアルタイム制御を維持することも確認。 - 具体的な評価指標やデータセットは要旨からは不明。

5. 議論はある?

- 要旨からは明示的な議論や限界は述べられていない。 - 今後の課題や制約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:MPPI (Model Predictive Path Integral control)、エンドツーエンド強化学習 (end-to-end RL)。 - 関連手法として、学習ベースのMPPI事前分布設計や階層的強化学習、世界モデルを用いた計画手法が挙げられる。 - 具体的な論文名は要旨に記載なし。

※ 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: Youngjae Min, Jovin D'sa, Faizan M. Tariq, David Isele, Navid Azizan, Sangjae Bae

分類: cs.RO, cs.AI, eess.SY

原文アブストラクト

Robots deployed in the real world must plan motions across diverse scenarios without per-scenario retuning. End-to-end reinforcement learning (RL) can generalize across scenarios but often becomes brittle under distribution shift, reward misspecification, and stochastic interactions. Model predictive path integral (MPPI) control enables strong real-time refinement without gradients, but its performance depends on a well-shaped sampling prior, while manually designing the priors does not scale to multi-scenario deployment. We present HOLO-MPPI (High-level Offline, Low-level Online MPPI), a multi-scenario motion planning framework that combines high-level policy learning with low-level stochastic optimal control. Offline, we learn a high-level policy that proposes scenario-robust plans in an abstract action space, with a learned world model for online rollout. Online, the policy serves as a data-driven prior generator that parameterizes MPPI's sampling distribution conditioned on the current observation and goal. MPPI then optimizes low-level control sequences around this prior in real time to adapt to local disturbances. We instantiate HOLO-MPPI in autonomous driving by designing an effective high-level action space and tailored model architectures. Our evaluation across diverse driving scenarios shows that HOLO-MPPI improves upon MPPI and end-to-end RL baselines while maintaining real-time control.

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