移動ロボット/追従制御2026/10/26arXiv:2610.34929

最適化から直接制御を学習する動的目標追従

Learning Direct Control from Optimization for Dynamic Target Tracking

軌道最適化をオフライン学習で直接制御方策に変換し、微分可能な運動学モデルで軌道レベルの目的を制御学習に反映させる追従フレームワークLECOを提案。滑らかで堅牢な動的目標追従を実現した。

詳しい要約

1. どんなもの？

- 動的なtarget trackingのための枠組み LECO を提案した研究 - mobile robot が target の可視性を保ちつつ、obstacle を避けて滑らかで実行可能な制御を行うことを目的とする - tracking の online trajectory optimization を、offline 学習による direct-control policy へ転写する - 展開時は predictive safety lock と classical planning/control fallback を併用する

2. 先行研究と比べてどこがすごい？

- online trajectory optimization は目的関数を明示できるが繰り返しの数値求解が必要 - waypoint-based neural policy は幾何予測と制御実行が分離している - LECO は trajectory-level の目的関数を直接 control learning に反映できる点が異なる - 最良の比較手法に対し root-mean-square linear jerk を 14.1--31.2% 低減し、tracking success rate も最高と報告

3. 技術・手法の肝は？

- control sequence を予測し、differentiable kinematic model で trajectory に写像する - これにより trajectory-level objectives が control learning を直接導く - decaying expert-guidance curriculum で有効な tracking 挙動を初期化し、徐々に task objectives へ学習を移行 - 展開時は predictive safety lock が短horizonの obstacle clearance を確認し、不安全または target prediction が無効なら classical planning/control fallback を起動

4. どうやって有効だと検証した？

- 3つの simulated obstacle densities で評価 - root-mean-square linear jerk が最良比較手法比で 14.1--31.2% 低減、tracking success rate は最高 - per-cycle computation time は 4.25--5.63 ms - 2つの robot platforms で indoor narrow passages と outdoor forest environments の tracking を実証

5. 議論はある？

- 要旨からは不明（明示的な限界や議論の記述なし） - 示唆される点として、predictive safety lock と classical fallback への依存、simulation 中心の評価と2 platform の実機実験の範囲が考えられるが、要旨に議論の記載はない

6. 次に読むべき論文は？

- online trajectory optimization を用いた tracking 研究（比較対象の最良手法） - waypoint-based neural policy 系の研究 - differentiable kinematic model を用いた learning-based control - curriculum learning と expert guidance を用いた policy learning - classical planning/control を fallback とする safety 機構に関する研究

※ 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: Bing Sun, Yue Lin, Canhui Wen, Xin Chen, Yang Liu, Dong Wang, Huchuan Lu

分類: cs.RO

原文アブストラクト

Dynamic target tracking requires a mobile robot to maintain target visibility while navigating obstacles with smooth, feasible controls. Online trajectory optimization explicitly encodes these objectives but requires repeated numerical solving, whereas waypoint-based neural policies separate geometric prediction from control execution. We introduce LECO, a framework that transfers tracking optimization into offline learning of a direct-control policy. LECO predicts control sequences and maps them to trajectories through a differentiable kinematic model, allowing trajectory-level objectives to directly guide control learning. A decaying expert-guidance curriculum initializes effective tracking behavior and progressively shifts learning toward these task objectives. At deployment, a predictive safety lock checks short-horizon obstacle clearance and invokes a classical planning and control fallback when the predicted motion is unsafe or the target prediction is invalid. Across three simulated obstacle densities, LECO reduces root-mean-square linear jerk by 14.1--31.2\% relative to the best competing method for this metric and achieves the highest tracking success rate, with per-cycle computation times of 4.25--5.63\,ms. Experiments on two robot platforms further demonstrate tracking through indoor narrow passages and outdoor forest environments. These results demonstrate that learning direct control from optimization enables smooth and robust dynamic target tracking.

arXivで原文を読む →arXiv概要ページ

← 論文一覧