日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

運動計画arXiv:2609.23792

未知のダイナミクスとハイブリッド観測下におけるリスク対応型運動計画と制御

Risk-Aware Motion Planning and Control under Unknown Dynamics with Hybrid Observations

シェア:XThreadsFacebookLINEはてブBluesky

状態観測が一部でしか得られない未知環境でのロボット運動計画において、観測不能領域を確率的遷移系としてモデル化し、リスクを考慮した確率的短経路問題として計画する手法を提案した。

詳しい要約

1. どんなもの?

- 未知のダイナミクスとハイブリッドな状態観測下でのロボットの運動計画と制御を扱う研究。 - 状態観測が一部の状態空間でのみ得られる状況を対象とする。 - 既存の階層的フレームワークを拡張し、観測が失われるブラインド領域に対処する。 - ブラインド領域では、名目ダイナミクスを選択し、開ループ制御列を事前計算する。 - 遷移リスクを定量化し、確率的遷移システムに組み込む。 - 高レベル計画を確率的最短経路問題として定式化し、ポリシーが制御器合成を導く。

2. 先行研究と比べてどこがすごい?

- 既存研究は、システム同定、予測到達可能性、グラフ探索、制御器合成を階層的フレームワークで組み合わせ、ポリトピック状態空間分割上の局所アフィン近似モデルを用いる。 - しかし、既存研究は同定とフィードバック制御に状態観測を必要とする。 - 本研究は、観測が得られないブラインド領域に対処する点で先行研究と異なる。 - ブラインド領域での遷移リスクを定量化し、確率的遷移システムに統合する点が新しい。

3. 技術・手法の肝は?

- 既存の階層的フレームワークを基盤とする。 - ブラインド領域では、名目ダイナミクスを選択し、開ループ制御列を事前計算する。 - 真のダイナミクスが名目モデルと異なる場合、ロボットが意図しないファセットからブラインドポリトープを出る可能性がある。 - この遷移リスクを定量化し、可能な結果を確率的遷移システムに組み込む。 - 高レベル計画問題を確率的最短経路問題として定式化する。 - そのポリシーが制御器合成を導く。

4. どうやって有効だと検証した?

- ケーススタディを実施。 - 初期状態から目標までロボットを誘導し、経路効率とブラインド領域通過に伴うリスクのバランスを取ることを実証。 - これにより手法の有効性を検証。

5. 議論はある?

- 要旨からは不明。

6. 次に読むべき論文は?

- 要旨で参照されている既存の階層的フレームワーク(システム同定、予測到達可能性、グラフ探索、制御器合成を組み合わせたもの)に関する論文。 - 関連手法として、確率的到達可能性解析、確率的遷移システム、確率的最短経路問題に関する研究。

※ 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: Zhiquan Zhang, Melkior Ornik

分類: cs.RO, eess.SY

原文アブストラクト

We consider robotic motion planning and control under unknown dynamics with hybrid state observations, where state measurements are available only in parts of the state space. Existing work combines system identification, predicted reachability, graph search and controller synthesis in a hierarchical framework using local affine approximated models over polytopic state space partitioning, but requires state observations for identification and feedback control. Based on this framework, we address blind regions by selecting nominal dynamics and precomputing open-loop control sequences before observation is lost. Since the true dynamics may differ from the selected nominal model, the robot may exit a blind polytope through an unintended facet. We quantify this transition risk and incorporate the possible outcomes into a stochastic transition system. The high-level planning problem is formulated as a stochastic shortest path problem, whose policy guides controller synthesis. A case study demonstrates that the method guides the robot from an initial state to a target while balancing route efficiency and the risks associated with traversing blind regions.

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

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