実行接地型走行可能性：学習した閉ループ軌道分布による評価

- 走行可能性(traversability)を、vehicle-controller pair が候補 path を実行できる確率として定義する EGT (Execution-Grounded Traversability) を提案する研究。 - 従来の point-wise な roll/pitch/force-angle margin ではなく、closed-loop trajectory の分布を予測して評価する。 - 予測には latent-space flow matching (FM) model を用い、multi-resolution terrain features と 3D vehicle attitude・wheel-ground contact points prior を条件とする。 - receding-horizon sampling-based planner に統合してナビゲーションに利用する。

- pose-margin や force-angle ベースの baseline は terrain disturbances や low-level controller corrections を無視するため不正確かつ過度に保守的になりやすい。 - EGT は trajectory-level の tracking・progress 要件を満たせる確率として評価する点が異なる。 - 650 の simulated trials で safe-path rejection を 2.2% に低減(baseline は 11.4%-39.5%)、unsafe acceptance は 7.7%。 - planner 統合時に navigation failure rate を [1] 比 24-42 ポイント、[2] 比 30-44 ポイント低減し、goal-reaching time も最大 20.5%・45% 短縮。

- EGT を closed-loop trajectory 分布の予測問題として定式化する。 - latent-space flow matching (FM) model により trajectory 分布を学習する。 - 条件入力は multi-resolution terrain features、3D vehicle attitude、wheel-ground contact points prior。 - 予測分布から trajectory-level の tracking・progress 要件を満たす確率として EGT を算出する。 - receding-horizon sampling-based planner 内で候補 path の評価に用いる。

- 未見地形での 650 simulated trials を実施し、safe-path rejection と unsafe acceptance を baseline と比較。 - receding-horizon sampling-based planner に統合し、navigation failure rate と goal-reaching time を [1]・[2] と比較。 - simulation で学習したモデルを real-world outdoor experiments へ zero-shot transfer して実証。

- 要旨からは不明(pose-margin/force-angle の限界と EGT の優位性は述べられるが、限界や失敗事例の議論は明示されていない)。 - zero-shot transfer の実世界実験結果の詳細や条件は要旨からは不明。

- [1] および [2]: EGT が navigation failure rate で比較した既存手法(具体的な文献名は要旨からは不明)。 - pose-margin baseline、force-angle baseline。 - latent-space flow matching (FM) model 関連研究。 - receding-horizon sampling-based planner 関連研究。