%および確率的な動的障害物を持つ15{ imes}15のグリッドワールドで行う。SRAHは62.0
%のタスク成功率を達成し、BFS（56.5
%）を相対的に9.7
%上回り、また貪欲（4.0
%）を大幅に上回る。さらに、計画オーバーヘッド、経路効率、失敗からの回復回数のトレードオフを分析し、障害物密度のアブレーションにより、セマンティックなコスト形成が、難易度の異なる環境間を通じて一貫してナビゲーションを改善することを示す。本結果は、軽量であっても、LLMに触発されたヒューリスティックが自律ロボット航行に対して測定可能な安全性と頑健性の向上をもたらし得ることを示唆している。
動的環境におけるロボットナビゲーションのための意味的リスク認識ヒューリスティック計画：LLMに着想を得たアプローチ
arXiv cs.RO / 2026/5/5
📰 ニュースDeveloper Stack & InfrastructureIdeas & Deep AnalysisModels & Research
要点
- この論文は、幾何学的に入り組んだ領域や高リスク領域を罰するコスト関数を用いることで、LLMに着想を得た推論を古典的なA*経路計画に組み込む「Semantic Risk-Aware Heuristic（SRAH）プランナ」を提案しています。
- SRAHは、動的障害物の検出に応じて閉ループの再計画を行う仕組みと組み合わせられており、環境の変化に対応しやすくしています。
- 20%の静的障害物密度と確率的な動的障害物を含む15×15グリッド世界で200回のランダム試行を行った結果、SRAHは課題成功率62.0%を達成し、再計画ありのBFS（56.5%）を上回り、再計画なしの貪欲ヒューリスティック（4.0%）を大きく上回りました。
- 著者らは、計画オーバーヘッド、経路効率、失敗からの復帰回数の間のトレードオフを分析し、アブレーション実験により「意味的コスト成形」が障害物密度の異なる環境でも一貫して改善をもたらすことを示しています。
- 結論として、軽量なLLMに着想を得たヒューリスティック設計でも、自律ロボットのナビゲーションにおいて安全性と頑健性を測定可能な形で向上できることが示唆されます。
