サンプリングベースのモデル予測制御に向けた、不確実性ガイド型の探索的軌道最適化
arXiv cs.RO / 2026/4/15
📰 ニュースSignals & Early TrendsIdeas & Deep AnalysisModels & Research
要点
- 本論文は、不確実性ガイド型探索的軌道最適化（UGE-TO）を提案し、より広い構成空間のカバレッジを実現するために、十分に離間したサンプルを生成することで、サンプリングベースの軌道最適化を改善する。
- UGE-TOは、不確実性楕円体から導出した確率分布として軌道を表現し、ヘリングァー距離による分布間の分離を強制することで、局所ミニマムへの早期収束を回避する。
- 本研究では、UGE-TOをサンプリングベースのモデル予測制御へ統合することで、UGE-MPCへ拡張し、探索性を高めつつ同一のサンプリング予算を維持することを狙う。
- 実験および実環境での検証により、UGE-MPCは障害物のない環境でより速い収束を達成（72.1%高速）し、複雑な環境では成功率が高いことが示される（最良のベースラインに比べて成功率が6.7%高く、66%高速）。
- 著者らは、失敗を回避するために公称軌道から大きく逸脱する必要がある状況において、特にロバスト性の向上を報告し、プロジェクトコードを公開している。
