ナビゲーション2026/8/21arXiv:2608.21175

SRL-MPC: 形状を考慮した強化学習モデル予測制御

SRL-MPC: Shape-Aware Reinforcement Learned Model Predictive Control

異なる形状のロボット群や群衆の中での安全で効率的なナビゲーションを実現するため、強化学習でMPCのパラメータを適応的に調整する手法を提案した。

詳しい要約

1. どんなもの？

SRL-MPCは、異種形状のロボット群と群衆が混在する環境での安全かつ効率的なナビゲーションを目的とした、形状認識型の強化学習ベースModel Predictive Control (MPC)手法。Support function変換に基づくGeometric Separation Features (GSFs)から高次Control Barrier Function (HOCBF)制約を構築し、強化学習(RL)で学習したニューラルポリシーがGSFsを読み取り、MPCパラメータをリアルタイム更新することで、周囲の群衆形状に適応する。

2. 先行研究と比べてどこがすごい？

従来手法は、ロボットの均質性、疎な環境、単純化された幾何形状、オフライン計算、手動調整パラメータを仮定することが多く、密集群衆シナリオでの展開が制限されていた。SRL-MPCは、幾何学的単純化なしに異種形状の群衆とロボット群を扱い、MPCの安全性と一般化可能性を維持しつつ、RLによる適応性と知能を統合した点が新しい。

3. 技術・手法の肝は？

手法の核は、(1) Support function変換に基づくGSFsを用いて、形状認識の安全性をHOCBF制約として定式化すること。(2) RLフレームワークがGSFsを入力として、MPCソルバーのパラメータ（例えば、重みや制約の緩和係数）をリアルタイムで出力し、周囲の群衆形状に適応すること。これにより、MPCの安全性構造と一般化可能性を保ちながら、RLの適応性を統合する。

4. どうやって有効だと検証した？

ランダム化された群衆シナリオと任意形状のロボット群を用いた実験で、有効性、スケーラビリティ、ロバスト性を検証。代表的なベースラインと比較し、安全性と適応性の点で大幅な優位性を示した。

5. 議論はある？

要旨からは、計算コストや実機実験の有無、HOCBF制約の厳密性、RLポリシーの学習収束性などに関する議論は不明。また、提案手法が特定の群衆密度や形状の範囲で有効かどうか、一般化の限界についても言及がない。

6. 次に読むべき論文は？

要旨で参照されている関連研究として、Control Barrier Function (CBF)を用いた安全制御、Model Predictive Control (MPC)、強化学習(RL)ベースのナビゲーション手法が挙げられる。具体的には、CBF-QPやRL-MPCなどの関連手法を読むことが推奨される。

※ AIが要旨から生成した要約です。正確性は原文をご確認ください。

著者: Ruihua Han, Rui Gao, Zhe Liu, Xinyi Wang, Chang Chen, Shuai Wang, Qi Hao, Jia Pan, Hengshuang Zhao

分類: cs.RO, cs.AI

原文アブストラクト

Safe and efficient shape-aware navigation in heterogeneous crowds and robot fleets remains challenging. Traditional approaches often assume homogeneous robots, sparse workspaces, simplified geometry, offline computation, or handcrafted parameters to make the problem tractable, which limits their deployment in dense crowd scenarios. Toward this end, we propose Shape-Aware Reinforcement Learned Model Predictive Control (SRL-MPC), a method for safe, efficient, and adaptive navigation in crowds with heterogeneous shapes without geometry simplification. To encode shape-aware safety, we formulate high-order control barrier function (HOCBF) constraints from geometric separation features (GSFs) based on support function transformation. A reinforcement learning (RL) framework then learns a neural policy that reads GSFs and outputs real-time MPC parameter updates, enabling the MPC solver to adapt to neighboring crowd geometries. The key advantage of SRL-MPC is that it preserves the safety structure and generalizability of MPC while integrating the adaptability and intelligence of RL. Experiments in randomized crowd scenarios with arbitrary shaped robot fleets demonstrate the effectiveness, scalability, and robustness of SRL-MPC. The results show that SRL-MPC substantially outperforms representative baselines in safety and adaptability. Project website: https://hanruihua.github.io/srl_mpc_project/

arXivで原文を読む →arXiv概要ページ