CC-VPSTO: 不確実性下でのオンライン・ロボット運動計画のための、確率制約付き経由点ベース確率軌道最適化

Abstract

信頼性の高いロボットの自律性は、ロボットの行動空間に対して過度に保守的な制約を課すことなく、不確実性を考慮した意思決定システムに左右されます。私たちは、チャンス制約付き経由点ベース確率的軌道最適化（Chance-Constrained Via-Point-Based Stochastic Trajectory Optimisation: CC-VPSTO）を提案します。これは、確率的制御をチャンス制約付き最適化問題として定式化することで、制約を高い確率で満たしつつ、タスク効率のよいロボット軌道を生成するための、リアルタイム対応可能な枠組みです。この種の問題は一般に計算困難であるため、モンテカルロサンプリングに基づく決定論的な代理（サロゲート）定式化を提案し、勾配不要の最適化で効率よく解きます。素朴なサンプリング手法におけるバイアスに対処するため、近似誤差を定量化し、信頼性を高めるためのパディング戦略を導入します。私たちは次の3つの課題に焦点を当てます: (i) サンプル効率の高い制約近似、(ii) 代理解の妥当性が成り立つ条件、(iii) オンライン最適化。CC-VPSTOは、縮退ホライズン（receding-horizon）MPCの枠組みに統合されており、不確実性のもとで反応的かつタスク効率のよい制御を、制約充足と性能のバランスを原理的に取りながら実現します。本手法の強みは、その一般性、すなわち、基盤となる不確実性分布、システムのダイナミクス、コスト関数、あるいは不等式制約の形に関する仮定を一切設けない点、さらにオンラインでのロボット運動計画への適用可能性にあります。私たちは、シミュレーションおよびFranka Emikaロボット上の両方において、本手法の妥当性と効率性を実証します。