日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

週刊ニュースレター購読
プランニングarXiv:2610.12910

ワールドモデルを用いたサンプリングベース運動力学的計画

Sampling-based Kinodynamic Planning with World Models

シェア:XThreadsFacebookLINEはてブBluesky

学習済みワールドモデルを潜在空間の木探索に用い、RRTやKPIECEで長期的なタスクを効率的に計画する手法を提案。

詳しい要約

1. どんなもの？

- 視覚的 world model を用いた計画手法。 - 従来は CEM や MPPI などの optimizer で計画。 - 本論文は kinodynamic sampling-based motion planning を再検討。 - 学習済みモデルを latent space の tree search の propagator として使用。 - 高次元探索向けの sampling 戦略を latent space に適用。 - 2つの探索戦略を提案: nearest-neighbor-guided RRT と projection-based KPIECE。 - GPU-native batched expansion で効率化。

2. 先行研究と比べてどこがすごい？

- 従来の CEM や MPPI は long-horizon タスクで停滞。 - 目的関数が報酬を与えない動作（例: block を押す前に回り込む）を必要とする場合に問題。 - 提案手法は myopic optimizer がサンプルしない中間状態を急速に展開。 - シミュレーションで CEM と MPPI の成功率に匹敵または上回り、計画時間を最大 13.8 倍短縮。 - 実機 block-pushing タスクで成功率を 20% 改善。

3. 技術・手法の肝は？

- world model を latent space の tree search の propagator として使用。 - 高次元探索の sampling 戦略を latent space に直接適用。 - 探索戦略1: nearest-neighbor-guided RRT。 - 探索戦略2: projection-based KPIECE。 - GPU-native batched expansion によりデバイス利用を効率化。 - 既製の DINO-WM を使用。

4. どうやって有効だと検証した？

- 4つの simulated domains と実世界の block-pushing タスクで評価。 - 既製の DINO-WM を使用。 - シミュレーションで CEM と MPPI と比較し、成功率が同等以上、計画時間が最大 13.8 倍短縮。 - 実機で成功率が 20% 向上。

5. 議論はある？

- 要旨からは不明。 - 提案手法の限界や失敗ケースについての議論は要旨に記載なし。

6. 次に読むべき論文は？

- CEM (Cross-Entropy Method) - MPPI (Model Predictive Path Integral) - RRT (Rapidly-exploring Random Tree) - KPIECE (Kinodynamic Planning by Interior-Exterior Cell Exploration) - DINO-WM - world model を用いた planning の関連研究

※ 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: Yitian Gao, Hanlan Yang, Zachary Kingston

分類: cs.RO

原文アブストラクト

Visual world models predict the consequences of actions from images, but planning with them is typically done by optimizers such as CEM and MPPI. However, these optimizers stall on long-horizon tasks where progress requires motion the objective does not reward, such as moving around a block before pushing it. This paper revisits kinodynamic sampling-based motion planning for world models, using the learned model as the propagator of a tree search in latent space. Our key insight is that the sampling strategies devised for high-dimensional search in configuration space apply directly to the latent space of a world model, where they rapidly expand through intermediate states that myopic optimizers never sample. We present two exploration strategies for the high-dimensional latent space, nearest-neighbor-guided RRT and projection-based KPIECE, with GPU-native batched expansion for efficient device utilization. We evaluate with an off-the-shelf DINO-WM on four simulated domains and a real-world block-pushing task. Our approaches match or exceed the success rate of CEM and MPPI at up to 13.8x lower planning time in simulation, and improve the success rate by 20% on the real robot.

arXivで原文を読む →arXiv概要ページ

関連論文

← 論文一覧
PR本紙発行元 EmplifAI