日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

群制御arXiv:2607.09911

人間共有環境における長期間マルチロボット経路計画のための拡散モデル

Diffusion for Long-Horizon Multi-Robot Path Planning in Human-Shared Environments

シェア:XThreadsFacebookLINEはてブBluesky

拡散モデルを用いて、人間と共有する環境で多数のロボットがリアルタイムに長期間の経路計画を行う新しいフレームワークを提案した。

詳しい要約

1. どんなもの?

本論文は、人間が共有する環境における大規模マルチロボットの長期的経路計画をリアルタイムで行うためのフレームワーク「Multi-Robot Rolling Diffusion (MRRD)」を提案している。MRRDは、拡散モデルを用いて人間らしい経路を生成しつつ、ローリングホライズン方式、並列化された拡散推論、衝突解決機構、緊急度に基づく時間的条件付け、差別化されたガイダンス項を統合することで、密集した群衆の中での大規模ロボットチームのナビゲーションを実現する。

2. 先行研究と比べてどこがすごい?

既存の生成型プランナーは、経路の長さが固定されていたり、計算遅延が大きいため、様々な目標距離への適応やリアルタイム展開が制限されていた。MRRDは、ローリングホライズン方式により予測期間を限定し、並列化された拡散推論により計算を高速化することで、これらの制限を克服し、大規模チームでのリアルタイム動作を可能にしている点が優れている。

3. 技術・手法の肝は?

MRRDの技術的な核は、(1) 人間の動きの限られた予測期間に適応するローリングホライズン方式、(2) スケーラブルな人間らしい経路生成のための並列化された拡散推論、(3) ロボット間の衝突を解決するためのconflict-based-search機構、(4) 様々な速度の経路を生成するための緊急度に基づく時間的条件付け、(5) 人間への社会的意識とロボット間の効率的な協調を最大化するための差別化されたガイダンス項、の5つの要素を組み合わせている。

4. どうやって有効だと検証した?

混雑した環境での実験により、MRRDが15台のロボットに対してリアルタイムでスケールできることを実証し、安全性とミッション成功率の両方において既存のベースラインを大幅に上回る性能を示した。

5. 議論はある?

要旨からは、MRRDの限界や特定の条件下での性能低下などについての議論は不明である。また、実験環境の詳細や比較したベースラインの具体的な内容も要旨からは不明である。

6. 次に読むべき論文は?

要旨で参照または比較されている研究は明示されていないが、関連する分野として、拡散モデルを用いた経路計画、マルチロボット経路計画、社会的ナビゲーション、conflict-based searchなどの研究が挙げられる。具体的には、拡散モデルによる軌道生成や、CBS (Conflict-Based Search) の拡張に関する論文が関連する。

※ 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: Vaibhav Sanjay, Yorai Shaoul, Jiaoyang Li

分類: cs.RO

原文アブストラクト

Multi-robot path planning in human-shared environments requires a delicate balance between robust inter-robot coordination and socially aware behavior. While diffusion models excel at generating predictable, human-like paths, existing generative planners are often restricted to paths of fixed duration and high computational latency, limiting their adaptability to varying goal distances and hindering real-time deployment. We present Multi-Robot Rolling Diffusion (MRRD), a novel framework that enables real-time, long-horizon navigation for large robot teams through dense crowds. MRRD combines a rolling-horizon scheme to accommodate the limited prediction horizon of human motion, parallelized diffusion inference for scalable generation of human-like paths, and a conflict-based-search mechanism for resolving inter-robot collisions. It further incorporates urgency-based temporal conditioning to generate paths with varying speeds and employs differentiated guidance terms to maximize both social awareness around humans and efficient coordination between robots. Experimental results in crowded environments demonstrate that MRRD successfully scales to 15 robots in real-time, significantly outperforming existing baselines in both safety and mission success rates.

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. 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. 3NVIDIA、CoRLでGR00T 2とIsaac Lab 3.0を発表新製品・発表
  4. 4GXO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
  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

MINISFORUM(ミニPC)

MINISFORUM(ミニPC)の公式広告バナーMINISFORUM公式ストアを見る ↗
PR本紙発行元 EmplifAI