状態制約付き微分可能アクター・クリティックMPCによる安全で高速なロボットナビゲーション

- 制約付き環境で安全かつ高速なロボットナビゲーションを実現するための、状態制約付き actor–critic MPC フレームワーク（AC-SMPC） - differentiable MPC layer を持つ actor–critic 型 model predictive control の枠組み - ロボットと障害物を vertices、workspace を half-spaces で表現し、衝突回避制約を学習可能な MPC 層に組み込む - actor が MPC の目的関数パラメータを調整し、critic が長期的なタスク性能を評価する構成

- 既存の actor–critic MPC は differentiable MPC layer を用いるが、明示的な状態制約を扱いにくく、学習ベース計画に衝突回避を組み込むのが困難だった - 提案手法は hyperplane ベースの衝突回避制約を convexify して differentiable MPC layer に組み込み、状態制約を明示的に扱えるようにした - 狭所での multi-robot 動的衝突回避を含むシミュレーションと実験で、既存手法よりナビゲーション効率を改善しつつ運動安全性を維持できると報告

- ロボット・障害物を vertices、workspace を half-spaces で表現 - 非線形ロボットダイナミクスを局所線形化し、hyperplane ベースの衝突回避制約を convexify して differentiable MPC layer に組み込む - actor は closed-loop feedback を用いて局所運動を形作る MPC 目的関数パラメータを調整 - critic は長期的なタスク性能を評価 - 局所制約近似が同時に満たせない場合に備え、bounded かつ penalized な slack variables で制約を緩和し、elastic quadratic program を構成

- シミュレーションテストと実験を実施 - 狭所における multi-robot の動的衝突回避を含む設定で評価 - 学習ポリシーを適応的に調整し、運動安全性を維持しつつ既存手法よりナビゲーション効率を改善することを示した - 具体的な指標・ベースライン・実験規模は要旨からは不明

- 局所的な制約近似が同時に満たせないケースへの対処として slack variables を用いる点が議論の対象 - 制約の convexification や局所線形化に伴う近似の影響、安全性保証の程度は要旨からは不明 - 実験規模や多様な環境での汎化性に関する議論は要旨からは不明

- 本論文が比較対象とする既存の actor–critic MPC / differentiable MPC layer を用いた学習ベース計画手法 - model predictive control と学習を組み合わせた安全ナビゲーションに関する関連研究 - 衝突回避制約を学習に組み込む constrained optimization / safe reinforcement learning 系の手法 - 具体的な参照論文名は要旨からは不明