マニピュレーション2026/9/16arXiv:2609.18813

マルチロボットのタスク・動作計画における漸近最適性

Asymptotically Optimal Multi-Robot Task and Motion Planning

複数ロボットのタスクと動作を同時に計画する問題に対し、遷移構造を特徴づけて大域的漸近最適性の十分条件を導出し、効率的なアルゴリズムを開発した。

詳しい要約

1. どんなもの？

複数ロボットの離散的なタスク決定と連続的な衝突回避運動を同時に計画する Multi-Robot Task and Motion Planning (MR-TAMP) を対象とする。漸近最適性の保証を持つ MR-TAMP アルゴリズムを提案し、個々のロボットの roadmap を進化させつつ implicit tensor-product search で合成 roadmap の明示構築を避ける。

2. 先行研究と比べてどこがすごい？

単一ロボット TAMP では漸近最適アルゴリズムが存在したが、多ロボット化ではタスク遷移ごとに参加ロボット部分集合が異なり、合成 configuration space 上の制約次元が変わる課題があった。本研究はこの遷移構造を特徴づけ、大域漸近最適性の十分条件を示し、MR-TAMP へ拡張した点が新しい。

3. 技術・手法の肝は？

遷移構造を解析し、関連遷移の persistent coverage と連結可能領域内での運動計画の漸近改善を条件として定式化。これを満たすため、個別ロボット roadmap の進化と implicit tensor-product search を組み合わせ、composite roadmap を陽に構築しない。さらに conditional transition sampling、lazy collision checking、mode- and solution-level guidance を導入し、有限時間効率を高めつつ persistent exploration を維持する。

4. どうやって有効だと検証した？

要旨からは不明。

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。同分野の定番として、単一ロボット TAMP の asymptotically optimal 手法や multi-robot motion planning の手法が挙げられる。

※ 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: Thi Thuy Ngan Duong, Cheuk Tung Shadow Yiu, Rahul Shome, Yoonchang Sung

分類: cs.RO

原文アブストラクト

Multi-robot task and motion planning (MR-TAMP) requires jointly reasoning about discrete task decisions and continuous collision-free motions of multiple interacting robots. Although asymptotically optimal algorithms have been developed for task and motion planning, extending these guarantees to the multi-robot setting introduces an important challenge: different task transitions may involve different subsets of robots and therefore impose constraints of different dimensions on the composite configuration space. Consequently, an asymptotically optimal planner must not only optimize motion within each task mode, but also ensure sufficient exploration of the different types of transitions connecting them. We characterize this transition structure and establish sufficient conditions for global asymptotic optimality in MR-TAMP, requiring persistent coverage of relevant transitions and asymptotically improving motion planning within connected feasible regions. Based on these conditions, we develop an efficient asymptotically optimal MR-TAMP algorithm that combines evolving individual-robot roadmaps with implicit tensor-product search, avoiding explicit construction of the composite roadmap. The planner further employs conditional transition sampling, lazy collision checking, and mode- and solution-level guidance to improve finite-time planning efficiency while retaining persistent exploration. The resulting framework provides asymptotic optimality guarantees for multi-robot manipulation while efficiently exploiting the structure of individual-robot motion planning.

arXivで原文を読む →arXiv概要ページ

マルチロボットのタスク・動作計画における漸近最適性

詳しい要約

1. どんなもの？

2. 先行研究と比べてどこがすごい？

3. 技術・手法の肝は？

4. どうやって有効だと検証した？

5. 議論はある？

6. 次に読むべき論文は？

原文アブストラクト

関連論文