動作計画2026/9/25arXiv:2609.31412

dRVG: 四分割木ガイドによる未知環境での多角形ロボットの解像度完全オンライン動作計画

dRVG: Quadtree-Guided, Resolution-Complete Online Motion Planning for Polygonal Robots in Unknown Environments

未知の静的環境で多角形ロボットを目標へ導くオンライン動作計画法dRVGを提案し、四分割木で観測を効率化しつつ解像度完全性を保証、実験で有効性を示した。

詳しい要約

1. どんなもの？

- 未知の静的環境で多角形ロボットを目標へ導くオンライン動作計画手法 dRVG を提案。 - 連続する観測から局所ロードマップを統合し、衝突のない並進と回転を計画。 - 一様な位置グリッドを使わず、spatial quadtree で sensing goals をスケジュール。 - 全 orientation configurations を保持して経路探索。 - 中心スキャンを用いた dRVG は full-map RVG と同じ角度分解能で resolution-complete。

2. 先行研究と比べてどこがすごい？

- 一様な位置グリッドを必要とせず、spatial quadtree で sensing goals をスケジュール。 - 領域ごとの再訪を減らしつつ、全 orientation configurations を保持。 - 中心スキャン条件下で full-map RVG と同じ角度分解能の resolution-completeness を達成。 - 要旨からは不明：他のオンライン動作計画手法との直接比較。

3. 技術・手法の肝は？

- dynamic rotation-stacked visibility graph (dRVG) を構築。 - 連続観測から局所ロードマップを統合し、衝突のない並進・回転を計画。 - spatial quadtree で sensing goals を領域横断的にスケジュール。 - 全 orientation configurations を保持して routing。 - 仮定：exact sensing、geometric computation、star-shaped robot and envelope。

4. どうやって有効だと検証した？

- footprint scans を用いた実験で、20 の難しいマップ、7 つの角度分解能、計 140 ケースを 20 秒の計画予算内で全て解決。 - 360 orientation layers で中央値 1.18 秒の計画時間。 - 6 つの microMVP 実演で物理ロボット上の完全なオンライン計画ループを例示。

5. 議論はある？

- 仮定：exact sensing、geometric computation、star-shaped robot and envelope。 - 中心スキャン条件下での resolution-completeness は full-map RVG と同じ角度分解能に対して成立。 - 要旨からは不明：仮定が崩れた場合の性能や限界、他の環境・ロボット形状への一般化。

6. 次に読むべき論文は？

- full-map RVG（比較対象として言及） - microMVP（実演で使用） - 関連手法：visibility graph、quadtree ベースの計画、オンライン動作計画

※ 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: Duo Zhang, Hechen Zhang, Junshan Huang, Jingjin Yu

分類: cs.RO

原文アブストラクト

We present the dynamic rotation-stacked visibility graph (dRVG), an online motion planner that guides polygonal robots to specified goals in initially unknown, static environ- ments. It merges local roadmaps from successive observations to plan collision-free translations and rotations without a uniform position grid. A spatial quadtree schedules sensing goals across regions to reduce repeated visits while retaining all orientation configurations for routing. Under exact sensing and geometric computation and star-shaped robot and envelope assumptions, dRVG with center scans is resolution-complete relative to full- map RVG at the same angular resolution. In experiments using footprint scans, dRVG solves all 140 cases across 20 difficult maps and seven angular resolutions within a 20 s planning budget, with a median planning time of 1.18 s at 360 orientation layers. Six microMVP demonstrations illustrate the complete online planning loop on a physical robot.

arXivで原文を読む →arXiv概要ページ

dRVG: 四分割木ガイドによる未知環境での多角形ロボットの解像度完全オンライン動作計画

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