強化学習と探索を融合したLMAPF-R2向け新手法SJRL、高密度倉庫環境で性能向上

何が起きたか

研究チームは、自動倉庫システムに基づくより現実的なLMAPFモデル「LMAPF-R2」を定義した。このモデルは、堅牢な安全制約とその場での回転制約を組み込んでおり、特に高密度空間での調整が難しい。この課題に対し、ニューラルポリシーに単一ステップの探索ベースプランナー「Causal PIBT」を組み込み、さらにエージェントと環境のポリシーを同時に最適化する統合強化学習フレームワーク「SJRL」を提案した。実験では、複数の高密度マップで既存の強力な探索ベースプランナーCausal-PIBTを大幅に上回る性能を示した。さらに、8台の物理ロボットと248台の仮想ロボットによる混合現実倉庫環境でも検証された。

Key Facts

なぜ重要か

この研究は、実世界の倉庫ロボットに近い運動制約を考慮したLMAPF問題に取り組み、探索と学習を組み合わせることで性能を大幅に向上させた点で重要。高密度環境でのロボットの効率的な経路計画は物流業界の生産性向上に直結し、実機と仮想を組み合わせた検証は実用化への一歩となる。