視覚障害のある状況に向けた残差強化DRLと運動量制約付きハイブリッド・ヒューリスティック軌道最適化フレームワーク

arXiv cs.RO / 2026/4/17

📰 ニュースModels & Research

共有:

要点

本論文は、視覚障害のある状況での安全かつ効率的な支援計画を可能にするため、Momentum-Constrained Hybrid Heuristic Trajectory Optimization Framework（MHHTOF）を提案する。
MHHTOFは、快適性と安全性の両立を目的に、ヒューリスティック軌道サンプリング・クラスタと、速度・加速度の急激な変化を抑える運動量制約付き最適化を組み合わせる。
残差強化の深層強化学習（DRL）モジュールを追加し、候補軌道を洗練して、時系列モデリングとポリシーの汎化性能を高める。
最適化を制御するためにデュアルステージのコストモデリング機構を導入し、Frenet空間で整合性を担保しつつ、Cartesian空間では報酬駆動の適応的な重みでユーザーの嗜好を取り込み、解釈可能性とユーザー中心の意思決定を実現する。
実験では、基準手法に比べて収束が約半分の反復回数で進み、コストが低くかつ安定すること、さらに動的な複雑環境でもリスクを抑えつつ速度・加速度の曲線が安定することが示される。