信念空間における軌道ツリーの最適化：モデル予測制御からタスク・モーション計画への応用
arXiv cs.RO / 2026/5/5
📰 ニュースDeveloper Stack & InfrastructureIdeas & Deep AnalysisModels & Research
要点
- この論文は、部分観測下でのロボット計画では、信念空間で軌道ツリー（有向木状の計画）を計算することで、観測によって最適行動が変わるために逐次的な軌道よりも有利になり得ると主張しています。
- 著者らは、部分観測のモデル予測制御を「分岐が1回だけの」ツリー（PO-MPC）として定式化し、より情報に基づいた計画により制御コストを下げて性能が向上することを、自動運転の例を含めて示しています。
- MPCのリアルタイム制約を満たすために、Distributed Augmented Lagrangian（D-AuLa）と呼ばれる最適化手法を提案し、定式化の分解可能性を活かして並列化・高速化できることを示しています。
- タスク・モーション計画では、タスクレベルで意思決定ツリー、モーション計画レベルで軌道ツリーを用いるPO-LGPを導入し、Logic-Geometric-Programming（LGP）フレームワークを部分観測問題へ拡張します。
- 実験では、小さな信念状態サイズの問題で適用可能であること、さらに大きな問題では探索的ポリシーを最適化してマクロアクションとして上位のタスク計画に組み込むことでスケールできることが示されています。
