動作計画2026/9/9arXiv:2609.09745

PccDiffuser: 連続体ロボットのためのマルチソリューション動作計画

PccDiffuser: Multi-solution Motion Planning for Continuum Robots

連続体ロボットの経路計画において、条件付き拡散モデルを用いて複数の候補解を並列生成し、アクチュエータ制約を考慮した軌道に変換する手法を提案。障害物0〜4個の環境で91%の成功率を達成し、従来手法より高成功率かつ高効率であることを示した。

詳しい要約

1. どんなもの？

- 連続体ロボットのための条件付き拡散フレームワークPccDiffuserを提案。 - 完全なコンフィギュレーション空間経路のマルチモーダル分布を学習し、複数の候補解を並列にサンプリング。 - サンプリングされた解は、アクチュエータ制約を考慮した時間割り当てにより実行可能な軌道に変換される。 - 区分定曲率モデルの下で、指数座標を用いてロボットの運動学を記述。 - グラフニューラルネットワークで可変数の環境障害物をエンコード。

2. 先行研究と比べてどこがすごい？

- 既存のサンプリングベースおよび最適化ベースのベンチマークと比較して、より高い成功率と計算効率を実現。 - 候補解を多くサンプリングする場合、計算効率の優位性がより顕著になる。 - 従来手法では困難だったマルチモーダルな解の生成と並列サンプリングを可能にした点が新しい。

3. 技術・手法の肝は？

- 条件付き拡散モデルにより、経路のマルチモーダル分布を学習。 - ノイズ除去プロセスに解析的微分運動学を組み込み、終端精度と全身クリアランスを向上。 - 区分定曲率モデルと指数座標による運動学記述。 - グラフニューラルネットワークによる障害物エンコーディング。 - 時間割り当てによる実行可能軌道への変換。

4. どうやって有効だと検証した？

- 0から4個の障害物を含む混合テストセットで評価し、成功率91%を達成。 - 既存のサンプリングベースおよび最適化ベースのベンチマークと比較し、成功率と計算効率の両方で優位性を確認。 - 3セクションの腱駆動連続体ロボットを用いた実験で、連続計画、マルチソリューション計画、全身障害物回避を実証。

5. 議論はある？

- 要旨からは不明。

6. 次に読むべき論文は？

- 要旨で参照/比較されている研究は明示されていないが、関連手法としてサンプリングベースのRRT*や最適化ベースのCHOMP、STOMPなどが挙げられる。また、連続体ロボットの運動計画に関する研究や、拡散モデルを用いたロボット計画（Diffuserなど）も参考になる。

※ 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: Ke Qiu, Sifan Chen, Si Wang, Rong Xiong, Yue Wang, Haojian Lu

分類: cs.RO

原文アブストラクト

We present the PccDiffuser, a conditional diffusion framework for continuum robots that learns a multimodal distribution over complete configuration-space paths and samples multiple candidate solutions in parallel, which are subsequently converted into an executable trajectory by time allocation considering actuator constraints. Under the piecewise constant-curvature model, we use exponential co-ordinates to describe the robot kinematics, and use graph neural network to encode a variable number of environment obstacles. Analytical differential kinematics is incorporated in the denoising process to improve terminal accuracy and whole-body clearance. On a mixed test set comprising workspace with zero to four obstacles, PccDiffuser achieved a success rate of 91\%. Compared with existing sampling- and optimisation-based benchmarks, it delivered both a higher success rate and greater computational efficiency, with the latter advantage becoming more substantial when sampling more candidate solutions. Experiments on a three-section tendon-driven continuum robot further demonstrate consecutive planning, multi-solution planning, and whole-body obstacle avoidance.

arXivで原文を読む →arXiv概要ページ