マルチロボット軌道のノイズ除去計画

- 本論文は、マルチロボットの軌道計画問題に対する新しいフレームワークを提案する。 - 既存のD4orm（dynamics-aware diffusion-denoising framework）を基盤とし、多様な運用要件に対応するためのプランナー群を開発。 - 従来の数値最適化とは異なり、サンプリングベースの最適化を採用し、GPUなどの並列計算を活用。 - 拡散・ノイズ除去構造により、候補制御軌道の変形を反復最適化し、運動学的に実行可能で衝突のない軌道を生成。 - スケーラビリティ向上のための分離型プランナー、フィードバック制御を備えたオンライン再ceding-horizonプランナー、リソース制約下の分散プランナーを提示。

- 従来の数値最適化手法と比較して、サンプリングベースの最適化により並列計算を活用し、高速かつ信頼性の高い解を得る。 - 他のサンプリングベース最適化手法（例：MPPI）や学習ベース拡散モデル手法と比較して、より高品質な解をより速く、より確実に見つけることを評価で示した。 - 実ロボットへのゼロショット展開や大規模シミュレーション、オンボード分散運用など、実用性とスケーラビリティで優れる。

- D4ormの拡散・ノイズ除去構造を核とし、候補制御軌道に対する変形を反復的に最適化。 - サンプリングベース最適化を大規模並列サンプリングで実行し、GPUなどの現代計算アーキテクチャを活用。 - 運動学的に実行可能で衝突のない軌道を生成するための効率的で汎用的なパラダイムを提供。 - 応用として、分離型プランナー、オンライン再ceding-horizonプランナー（フィードバック制御付き）、分散プランナーを構築。

- 差動駆動ロボットとホロノミックロボットを用いた2Dおよび3D環境での評価を実施。 - D4ormベースのアプローチが、MPPIや学習ベース拡散モデル手法よりも高品質な解を速く、確実に見つけることを示した。 - 実機検証として、障害物のある環境での10台の実クアッドロータへのゼロショット展開、100台のシミュレーションロボットによる大規模デコンフリクション、6台の地上ロボットによる完全オンボード分散「ライフロング」運用を実証。

- 要旨からは、手法の限界や議論の詳細は不明。 - ただし、評価結果から拡散ノイズ除去がマルチロボット調整のためのスケーラブルで信頼性の高いフレームワークであると結論付けている。

- 要旨で参照されているD4orm（基盤フレームワーク） - 比較対象としてMPPI（Model Predictive Path Integral） - 学習ベース拡散モデル手法（具体的名称は要旨に記載なし） - 関連分野の定番として、マルチロボット軌道計画におけるサンプリングベース最適化や拡散モデルを用いた計画手法