要旨: ロボットプラットフォームのために情報利得を最大化する経路を計画することは、幅広い応用と重要な潜在的インパクトを持つ。実時間のデータ収集に効果的に適応するためには、有益な経路計画はオンラインで計算され、新たな観測に対して応答性を備えている必要がある。本研究では、IA-TIGRIS（Incremental and Adaptive Tree-based Information Gathering Using Informed Sampling：情報に基づくサンプリングを用いた増分かつ適応的な木構造による情報収集）を提案する。これは、リアルタイムの機上実行を目的とした、増分的で適応的なサンプリングベースの有益な経路計画アルゴリズムである。本手法は、増分的な洗練を通じて過去の計画の取り組みを活用しつつ、更新された信念（belieファ）マップに対して継続的に適応することを特徴とする。さらに、実環境での展開を容易にするための詳細な実装と最適化に関する知見に加え、特定のミッションや行動に合わせて調整された一連の報酬関数も提示する。大規模なシミュレーション結果により、IA-TIGRISがベースライン手法よりも高品質な経路を生成することを示す。計画器（プランナー）を2種類の異なるハードウェアプラットフォームで検証する：ヘキサロータ型の無人航空機（UAV）と固定翼UAVであり、それぞれ異なる運動モデルと構成空間を持つ。結果として、情報利得において最大38%の改善がベースライン手法に比べて得られ、実環境アプリケーションへの展開可能性が示される。プロジェクト・ウェブサイト: https://ia-tigris.github.io
IA-TIGRIS：オンライン情報的経路計画のための、漸進的かつ適応的なサンプリングベース・プランナ
arXiv cs.RO / 2026/4/3
💬 オピニオンSignals & Early TrendsIdeas & Deep AnalysisModels & Research
要点
- 本論文は、ロボットのオンボードでのリアルタイム実行を想定した、漸進的かつ適応的なサンプリングベースの情報的経路計画アルゴリズムであるIA-TIGRISを提案する。
- IA-TIGRISは、信念マップを継続的に更新しながら、事前計画を漸進的に洗練することで、新たなセンサ観測への応答性を向上させる。
- 実装および最適化の詳細に加え、異なる振る舞いと目的を支援するための複数のミッション固有の報酬関数を提供する。
- 大規模なシミュレーションと2機種のUAVプラットフォーム（ヘキサロータおよび固定翼）での実世界検証により、ベースライン手法よりも高品質な経路が得られることが示される。
- 結果は、情報獲得量の最大38%の改善を示しており、実運用のロボットによる情報収集タスクへの導入可能性が高いことを示唆している。
