人間とUGVの協調経路計画：走破性を考慮した要救助者搬送

- 人間とUGVの2エージェントチームによる捜索救助の casualty retrieval を対象とした joint path planning の研究。 - 人間を Pandolf-Santee metabolic cost model と fatigue-modulated speed で、UGV を rolling-resistance energy model と terrain-dependent speed limits でモデル化。 - 両者の complementary traversability を活用し、casualty transfer locations を switch points として最適化し、総 mission time を最小化する。

- 従来の heterogeneous multi-robot path planning は全エージェントをロボットとして扱い、cost model は機械的で traversability は sensor-derived であった。 - 人間を command/supervisory 役割に留めず、独自の mobility constraints と dynamic energy reserves を持つ physical co-navigator としてモデル化した点が新しい。 - 人間とUGVの complementary traversability を明示的に利用し switch points を最適化する枠組みを提案。

- 人間: Pandolf-Santee metabolic cost model に fatigue-modulated speed を組み合わせ、UGV: rolling-resistance energy model に terrain-dependent speed limits を適用。 - 人間は dense vegetation や shallow water を通行可能、UGV は open terrain や roads で高速という相補的 traversability を利用。 - casualty transfer locations (switch points) を最適化変数とし、総 mission time を最小化する joint path planning を実施。

- 手続き的に生成した elevation と land-cover data を持つ複数の synthetic 1km2 environments で評価。 - 最適化戦略は human-only baseline 比で mean mission time を 5.3% 削減、switch point optimization なしの naive human-UGV strategy 比で 7.0% 削減。 - 人間の energy expenditure は baseline 比で 17.8% 削減。

- naive strategy は人間の energy expenditure をより大きく削減 (22.4%) するが、mission time は baseline 比で 2% 増加。 - このことから、human-UGV teaming による時間短縮を実現するには switch point optimization が不可欠であると論じている。 - その他の議論や限界については要旨からは不明。

- 要旨で参照/比較されている human-only baseline および naive human-UGV strategy without switch point optimization。 - 関連手法として heterogeneous multi-robot path planning、Pandolf-Santee metabolic cost model、rolling-resistance energy model が挙げられる。