日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

ナビゲーションarXiv:2609.39854

RL誘導PAC-NMPCによる未知環境での確率的に安全な知覚ベースナビゲーション

RL-Guided PAC-NMPC for Probabilistically-Safe Perception-Based Navigation in Unknown Environments

シェア:XThreadsFacebookLINEはてブBluesky

強化学習で確率的な行動・センサ予測モデルを学習し、それをPAC-NMPCに組み込むことで、未知環境での知覚ベースナビゲーションの安全性を確率的に保証する手法を提案。

詳しい要約

1. どんなもの?

- 未知環境での知覚ベースナビゲーションにおいて、確率的な安全性を保証する手法を提案。 - 強化学習(RL)と確率的非線形モデル予測制御(SNMPC)を組み合わせる。 - RLで確率的なactor-criticとセンサ予測モデルを訓練し、それをPAC-NMPCフレームワークで利用。 - 有限時間の統計的保証をハード制約で強制し、衝突確率と価値関数改善を保証。 - シミュレーションとハードウェア実験で有効性を検証。

2. 先行研究と比べてどこがすごい?

- 従来のRLナビゲーションは安全性の保証が難しいが、本手法は確率的保証を提供。 - 従来のSNMPCは計算コストが高く、高次元システムへの適用が困難だったが、RLで学習したモデルを用いることでスケール可能。 - PAC-NMPCの枠組みでRLの長期的性能に近づきつつ、確率的安全制約を満たす点が新しい。 - 知覚ベースのRLナビゲーションの安全性を向上させ、高次元システムにスケールできることを示した。

3. 技術・手法の肝は?

- RLを用いて確率的actor-criticとセンサ予測モデルを訓練。 - これらの確率的モデルをサンプリングベースのSNMPC(PAC-NMPC)に組み込む。 - PAC-NMPCはハード制約を用いて有限時間の統計的保証を強制。 - 衝突確率と価値関数改善の保証を有限時間で実現。 - 有限ホライズンのSNMPCポリシーが期待値で価値関数を減少させることを保証。

4. どうやって有効だと検証した?

- シミュレーション実験により、知覚ベースRLナビゲーションの安全性を改善し、高次元システム(大きなセンサ入力空間と複雑な非線形動力学)にスケールできることを示した。 - ハードウェア実験で、未知環境における敏捷な固定翼航空機の視覚ベースナビゲーションの性能向上を実証。

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/比較されている研究は明示されていない。関連手法として、PAC-NMPC、SNMPC、RL(actor-critic)、確率的モデル予測制御などが挙げられる。

※ 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: Adam Polevoy, Dillon Capalongo, Katherine Tang, Mark Gonzales, Marin Kobilarov, Joseph Moore

分類: cs.RO

原文アブストラクト

In this paper, we present an approach for combining stochastic nonlinear model predictive control (SNMPC) and reinforcement learning (RL) to enable probabilistically-safe perception-based navigation in unknown environments. Our method first uses RL to train probabilistic actor-critic and sensor prediction models. We then leverage these probabilistic models in a sampling-based SNMPC framework known as Probably Approximately Correct (PAC)-NMPC, which uses hard constraints to enforce finite-time statistical guarantees on the probability of collision and value function improvement. By ensuring that our finite-horizon SNMPC policies decrease the value function in expectation, we can approach the long-horizon performance of the RL approach while satisfying probabilistic safety constraints. Through simulation experiments, we show that our approach can improve the safety of perception-based RL navigation policies and scale to high dimensional systems with large sensor input spaces and complex nonlinear dynamics. We also demonstrate our approach through hardware experiments, showing improved performance for vision-based navigation with an agile fixed-wing aerial vehicle in unknown environments.

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. 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

OZ GAMING(GPU搭載BTOゲーミングPC)

OZ GAMING(GPU搭載BTOゲーミングPC)の公式広告バナーOZ GAMINGで完成品PCを見る ↗
PR本紙発行元 EmplifAI