混合整数凸計画によるリスク信号時相論理の信念空間プランニング

- 本論文は、Gaussian belief spaceにおけるRisk Signal Temporal Logic (RiSTL)計画問題を扱う。 - ロボットがノイズを含む測定から状態を推定し、測定から得られる情報が状態に依存する場合に、belief spaceで計画することで不確実性を能動的に低減する。 - この問題は一般に非凸であり、勾配法では完全性や大域最適性が保証されない。 - 本研究では、beliefのinformation-form parameterizationとbelief dynamicsの凸緩和により、mixed-integer convex program (MICP)を定式化する。 - MICPの健全性と完全性を証明し、緩和が大域的最適入力軌道を保持することを示す。 - 数値シミュレーションで有効性を検証する。

- 従来のSTL計画はtrajectory optimizationで扱われるが、belief space planningでは非凸性が課題であった。 - 既存の勾配法は完全性や大域最適性を欠く。 - 本研究は、RiSTL計画をMICPに帰着させ、健全性・完全性を証明し、大域最適性を保証する点が新しい。 - また、information-form parameterizationと凸緩和の組み合わせにより、従来手法では難しかった問題設定に対処する。

- Gaussian belief spaceにおけるRiSTL計画を対象とする。 - beliefをinformation-formでパラメータ化する。 - belief dynamicsを凸緩和する。 - これによりmixed-integer convex program (MICP)を構築する。 - MICPの健全性と完全性を証明し、緩和が大域的最適入力軌道を保持することを示す。

- 数値シミュレーションにより、提案手法の有効性を検証した。 - 具体的なシミュレーション設定や評価指標は要旨からは不明。

- 要旨からは、提案手法の限界や議論の詳細は不明。 - 数値シミュレーションでの検証結果の詳細や、実機実験の有無も不明。

- 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、Signal Temporal Logic (STL) planning、Risk STL (RiSTL)、belief space planning、mixed-integer convex programming (MICP)が挙げられる。 - 同分野の定番として、trajectory optimizationやgradient-based methodsが関連する。