何が起きたか
Zhiqiao Guo氏らは、車輪脚ロボット向けの新しい経路計画手法「Robot-Body-Aware TRG planning (RB-TRG)」を提案し、arXivに論文を公開した（2026年8月17日付）。RB-TRGは、Traversal Risk Graphs (TRGs)を基盤に、ロボットの向きや旋回を考慮したボディリスク遷移を導入する。評価では、4つのスキャン地形環境での同一グラフ研究と、MuJoCoを用いたペア閉ループ試験を実施し、成功率を51.5%から68.5%に向上させた。また、Go2-Wを用いた実機展開では、フルLiDARナビゲーションスタックと組み合わせて、IEEE ICRA 2026 Legged Robot ChallengesでBest AutonomyとBest Mobilityの2つの賞を受賞した。コードはGitHubで公開されている。
詳細
従来のTRGは、円形ノード近傍とエッジに沿った地形領域に基づいてコストを計算するため、車輪脚ロボットの向きを考慮したボディフットプリントを反映できず、特に旋回時に部分的な支持喪失やボディと地形の干渉を見逃す可能性があった。RB-TRGは、スパースなTRG表現を維持しつつ、エッジごとの地形リスク探索を、ヘディングと旋回を考慮したボディリスク遷移に拡張する。具体的には、向きを考慮した矩形フットプリントをグラフエッジとヨー方向にサンプリングし、縦方向の支持変動、横方向の傾斜、地形干渉、信頼できないマップ領域への露出を測定する。平均と上側裾の特徴量を遷移コストに組み込み、A*アルゴリズムで順序付きノードペア状態の累積コストを最小化する。これにより、TRGの構築と計画インターフェースを維持しつつ、3つの主要な幾何学的ボディ配置メトリクスを改善し、平均経路長は2.3%増加した。
Key Facts
| RB-TRGは、車輪脚ロボット向けの新しい経路計画手法であり、arXivに2026年8月17日付で公開された。 | 出典一覧 |
| RB-TRGは、従来のTRGを拡張し、ロボットの向きと旋回を考慮したボディリスク遷移を導入する。 | 出典一覧 |
| RB-TRGは、4つのスキャン地形環境での同一グラフ研究と、MuJoCoを用いたペア閉ループ試験で評価された。 | 出典一覧 |
| RB-TRGは、成功率を51.5%から68.5%に向上させた。 | 出典一覧 |
| RB-TRGは、平均経路長を2.3%増加させた。 | 出典一覧 |
| RB-TRGは、Go2-Wを用いた実機展開で、フルLiDARナビゲーションスタックと組み合わせてテストされた。 | 出典一覧 |
| RB-TRGは、IEEE ICRA 2026 Legged Robot ChallengesでBest AutonomyとBest Mobilityの2つの賞を受賞した。 | 出典一覧 |
| RB-TRGのコードは、https://github.com/ZhiqiaoGuo/RB-TRG で公開されている。 | 出典一覧 |
なぜ重要か
RB-TRGは、車輪脚ロボットの複雑地形でのナビゲーション成功率を大幅に向上させる手法であり、実機での受賞実績も伴う。この手法は、ロボットのボディ形状を考慮した経路計画の新たな基準を示すもので、今後のフィジカルAIロボットの自律移動技術の発展に寄与する可能性がある。