フローモーション・ポリシー：フローマッチングモデルによるマニピュレータのモーション計画

要旨: オープンループのエンドツーエンド・ニューラル運動プランナーは、ロボット用マニピュレータの運動計画を改善するために、近年提案されてきました。これらの手法は、計画中に特権的な衝突チェッカーに依存することなく、センサ観測から直接計画できるようにします。しかし、多くの既存手法は、異なる実行間で与えられたワークスペースに対して単一の経路しか生成せず、オープンループ構造を推論時の最適化に活用していません。この制約に対処するため、我々はFlow Motion Policy（フロー・モーション・ポリシー）を提案します。これは、フローマッチング手法の確率的生成的定式化を活用し、計画データセットに内在する多峰性（マルチモーダリティ）を捉える、ロボット用マニピュレータのためのオープンループ・エンドツーエンドのニューラル運動プランナーです。実行可能な経路の分布をモデル化することで、Flow Motion Policyは推論時のbest-of-Nサンプリングを効率的に可能にします。この手法は複数のエンドツーエンド候補経路を生成し、計画後にそれらの衝突状態を評価し、最初に衝突のない解を実行します。我々はFlow Motion Policyを、代表的なサンプリングベースおよびニューラル運動計画手法と比較してベンチマークします。評価結果は、Flow Motion Policyが運動計画の成功率と効率を改善することを示しており、エンドツーエンド運動計画および推論時最適化における確率的生成ポリシーの有効性を明確にしています。実験評価の動画は、この\href{https://zh.engr.tamu.edu/wp-content/uploads/sites/310/2026/03/FMP-Website.mp4}{リンク}から利用できます。