Core Concepts
スパース制御点を用いたモデル予測パス積分制御にシュタイン変分推論を組み合わせることで、滑らかで衝突回避性の高い軌道を生成できる。
Abstract
本論文では、スパース制御点を用いたモデル予測パス積分制御(SCP-MPPI)を提案している。MPPI は、サンプリングベースのモデル予測制御手法であり、非線形で非微分可能な環境でも滑らかな制御入力系列を生成できる。しかし、MPPI は十分な数のサンプルが必要であり、計算コストが高くなる課題がある。
SCP-MPPI では、まず制御入力系列をスパースなコントロールポイントでサンプリングし、スプライン補間することで滑らかな軌道を生成する。しかし、スパースなコントロールポイントでは最適な軌道を生成できない可能性がある。そこで、シュタイン変分推論(SVGD)を用いて、サンプルを最適分布に近づけることで、滑らかで衝突回避性の高い軌道を生成できるようにしている。
実験では、四角ロータの反応的ナビゲーションタスクを行い、SCP-MPPI がMPPIよりも優れた性能を示すことを確認した。特に、障害物回避成功率と平均速度が向上しており、より短時間で目的地に到達できることを示した。
Stats
障害物回避成功率は、環境(a)では100%、環境(b)では60%、環境(c)では20%であった。
飛行時間は、環境(a)では28.3秒、環境(b)では23.7秒、環境(c)では21.3秒であった。
平均速度は、環境(a)では0.686 m/s、環境(b)では0.707 m/s、環境(c)では0.704 m/sであった。
Quotes
"SCP-MPPI は、スパースなコントロールポイントを用いてもなお、滑らかで衝突回避性の高い軌道を生成できる。"
"SCP-MPPI の優れた性能は、SVGD によってサンプルを最適分布に近づけることで実現されている。"
"SCP-MPPI は、より少ないサンプル数でも局所最適解に陥ることなく、障害物を回避できる。"