日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

水中ロボット/計画・制御arXiv:2608.08871

閉鎖環境における水中ビークル・マニピュレータシステムの階層型トポロジー認識計画と制御

Hierarchical Topology-Aware Planning and Control of Underwater Vehicle-Manipulator Systems in Confined Environments

シェア:XThreadsFacebookLINEはてブBluesky

水中ロボットアーム(UVMS)が狭く障害物の多い環境で作業するための、3層の階層的計画・制御フレームワーク「MANTA」を提案。通路の接続性、操作可能性、実行の安定性を考慮し、シミュレーションで高い成功率を達成した。

詳しい要約

1. どんなもの?

本論文は、狭隘で障害物が多く、部分的にしか既知でない環境下での水中ビークル・マニピュレータシステム(UVMS)による自律介入を扱う。提案するMANTAは、通路の到達可能性、操作の実現可能性、閉ループ実行を結合した3層の階層的計画・制御フレームワークである。第1層は保守的な縮小ベース空間での大域的接続性推論によりタスク領域への通過可能な通路候補を抽出し、第2層は各候補通路に対してベース動作とアーム軌道を同時最適化して衝突回避のベース・アーム軌道を生成する。第3層はMC-PILCOによるガウス過程モデルベース強化学習(MBRL)を用いて到達・保持ベースポリシーを学習し、計画された操作状態での軌道追従と定点保持を可能にする。実行中はマップ更新を監視し、アクティブな通路が実行不能になった場合に回復と経路修復をトリガーする。

2. 先行研究と比べてどこがすごい?

従来のUVMS計画は、全状態空間でのサンプリングベース手法が多く、狭隘環境では計算コストが高く、実行の不確実性を考慮しない。MANTAは階層化により、ベース空間での接続性推論とアーム操作の同時最適化を分離し、データ効率の高いMBRLで閉ループ実行を学習する点が新しい。また、マップ更新に応じた回復・経路修復を組み込むことで、不確実な実行に対処する。

3. 技術・手法の肝は?

手法の肝は3層の階層構造にある。第1層では、保守的な縮小ベース空間でProbabilistic Roadmapなどの手法を用いて大域的接続性を推論し、通路候補を抽出する。第2層では、各候補通路に対してベース動作とアーム軌道を連続変数として同時最適化し、衝突回避と操作可能性を考慮する。第3層では、MC-PILCOを用いてガウス過程モデルを学習し、モデルベース強化学習によりベースポリシーを獲得する。実行時には、マップ更新を監視し、通路が実行不能になった場合に回復動作と経路修復をトリガーする。

4. どうやって有効だと検証した?

狭隘なUVMS計画と閉ループ追従実験で評価した。120のマッチング計画クエリにおいて、全状態サンプリングベースのベースラインと比較して、タスク成功率が高く、より大きなクリアランスマージンと低いアーム動作を達成した。学習したMC-PILCOポリシーは、訓練時と未見のチューブ状参照軌道の両方で位置とヨーの追従誤差を低減した。

5. 議論はある?

要旨からは、提案手法の限界や前提条件についての議論は不明。ただし、環境が部分的に既知であること、保守的な縮小ベース空間を用いることから、非常に複雑な環境では保守的すぎて通路を見逃す可能性や、動的環境への拡張性などが議論の余地として考えられるが、要旨には明記されていない。

6. 次に読むべき論文は?

要旨で参照されている関連手法として、MC-PILCO(モデルベース強化学習)とサンプリングベースの計画手法(例:RRT、PRM)が挙げられる。また、UVMSの計画・制御に関する一般的な研究も関連する。具体的な論文名は要旨にないため、MC-PILCOの原著論文や、UVMSの階層的計画に関するサーベイ論文を読むことが推奨される。

※ 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: Mohamed Abdelwahab, Ruggero Carli, Damiano Varagnolo, Alberto Dalla Libera

分類: cs.RO, cs.SY, eess.SY

原文アブストラクト

This paper addresses autonomous intervention with an underwater vehicle--manipulator system (UVMS) in confined, cluttered, and partially known environments, where poor maneuverability, narrow passages, and uncertain execution may cause the robot to enter unrecoverable regions. We propose MANTA, a three-layer hierarchical planning-and-control framework that couples passage accessibility, manipulation feasibility, and closed-loop execution. The first layer performs global connectivity reasoning in a conservative reduced base space to extract traversable corridor candidates toward the task region. The second layer refines each candidate corridor by jointly optimizing the continuous base motion and arm trajectory, producing a collision-free base--arm trajectory. The third layer learns a reach-and-hold base policy using Gaussian-process model-based reinforcement learning (MBRL) through MC-PILCO, enabling trajectory tracking and station keeping at the planned manipulation state. During execution, the framework monitors map updates and can trigger recovery and route repair when the active passage becomes infeasible. MANTA is evaluated in confined UVMS planning and closed-loop tracking experiments. Across 120 matched planning queries, it achieves higher task success than full-state sampling-based baselines while producing larger clearance margins and lower arm motion. The learned MC-PILCO policy further reduces position and yaw tracking errors on both training and unseen tube-like references. These results show MANTA as a structured and data-efficient framework for safe autonomous underwater intervention in caves, tubes, and cluttered subsea structures.

  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