RAY-TOLD：TDMPCと組み合わせたレイベースの潜在ダイナミクスによる高密度な動的障害物回避
arXiv cs.RO / 2026/5/1
📰 ニュースDeveloper Stack & InfrastructureIdeas & Deep AnalysisModels & Research
要点
- RAY-TOLDは、密集した動的な群衆環境で、純粋に反応的な手法が局所最小に陥りがちな問題を改善するための新しいナビゲーション手法です。
- この手法は、レイ/LiDARベースの潜在ダイナミクスと、強化学習の長い予見性を組み合わせつつ、MPPIの物理ベースの頑健性も活かします。
- 高次元のLiDAR観測をコンパクトな潜在状態へ圧縮することで、RAY-TOLDは終端価値関数と方策の事前分布を学習し、計画をより適切に導きます。
- 方策混合サンプリングにより、MPPIの候補軌道に学習済み方策から得た軌道を追加し、目標へ向けて誘導しつつ運動学的な実現可能性を維持します。
- ストキャスティックで高密度な動的障害物環境での実験では、標準のMPPIベースラインに比べて衝突率が低下し、信頼性と安全性の向上が示されています。
