技術的概要：操作計画と制御のためのニューラル構成空間バリア

問題定義

高自由度（DoF）のロボットマニピュレータが、雑多で動的な環境で動作する際、運動計画における計算効率の確保と、実行中の堅牢な安全性保証の維持という二重の課題に直面する。従来のサンプリングベースの計画手法（例：RRT、PRM）は、頻繁かつ高コストな衝突判定に依存しており、高次元の構成空間においてボトルネックを生み出している。さらに、センサーノイズや予測不可能な障害物を伴う動的環境では、計画のみでは不十分である。衝突を防止するためには、モデル誤差や観測の不確実性を考慮したリアルタイム制御戦略が必要となる。既存の手法は、精密かつ微分可能な安全性表現の必要性と、リアルタイム動作の計算制約とのバランスを取ることにしばしば苦慮している。

手法

著者は、**ニューラル構成空間距離関数（CDF）**を用いて運動計画と制御を統合する統一フレームワークを提案する。このアプローチは、以下の 3 つの主要な構成要素からなる。

1. ニューラル CDF 表現

この手法は、構成空間（$Q$）における安全性を表現するために、2 つの異なるニューラルネットワークモデルを学習する。

• 環境 CDF（$f_c$）： 構成 $q$ から作業空間の障害物点 $p$ までの最小関節空間距離を推定する。
• 自己衝突 CDF（$f_{sc}$）： 構成 $q$ から自己衝突する構成の集合までの最小関節空間距離を推定する。
  これらの関数は、高速かつ微分可能な距離および勾配問い合わせを提供し、局所的な自由構成空間を近似するために、多層パーセプトロン（MLP）として訓練される。

2. バブル-CDF プランナ

計画効率を向上させるため、著者は**ラピッド・エクスプロアリング・バブル・グラフ（RBG）**アルゴリズムを導入する。ノードを単一の構成として扱うのではなく、このプランナは構成空間内に「バブル」（球状領域）を構築する。

• バブル構築： 安全な構成 $q$ を中心とするバブルの半径は、ニューラル CDF バリア値によって動的に決定される：$r(q) = \hat{h}(q, t) - \eta$（ここで $\eta$ は安全マージン）。
• 効率性： バブル内の任意の構成は、バリア近似に依存して衝突フリーであることが保証される。これにより、プランナは重なり合うバブルを接続することで空間を探索でき、エッジベースの RRT に比べて必要な明示的な衝突判定の数を劇的に削減する。
• 軌道最適化： バブルの経路が見つかったら、ベジエ曲線の系列を最適化することで連続的な軌道を生成する。これらの曲線の制御点は、それぞれ対応するバブル内に存在するように制約され、凸包の性質を通じて軌道全体が衝突フリーであることを保証する。これは凸二次拘束二次計画問題（QCQP）として定式化される。

3. 分布ロバスト制御バリア関数（DR-CBF）

リアルタイム実行において、システムは計画された軌道を追跡しつつ、不確実性下での安全性を確保するために**分布ロバスト制御バリア関数（DR-CBF）**を採用する。

• 不確実性モデリング： このアプローチは、ニューラルネットワークの近似誤差、点群センサーノイズ、動的障害物の運動に起因する不確実性を認識する。
• ワッセルシュタイン曖昧集合： これらの誤差に対して既知の確率分布を仮定する代わりに、この手法は、不確実性サンプルの実証分布（モンテカルロドロップアウトと点群速度推定によって生成される）の周りにワッセルシュタイン 1 曖昧集合を構築する。
• 安全性フィルタ： コントローラは、名义 PD コントローラからの偏差を最小化しつつ、分布ロバストな安全性制約を満たす二次計画（QP）をオンラインで解く。これにより、曖昧集合内の最悪の分布であっても、安全性集合を侵害する確率が、ユーザーが指定したリスク許容度（$\epsilon$）以下に抑えられることが保証される。

主要な貢献

1. 統合されたニューラル CDF バリア： 外部障害物と自己衝突の両方への距離を推定する学習された表現。点群観測からの高速な距離および勾配問い合わせを可能にする。
2. 分布ロバスト制御： モデル誤差、センサーノイズ、動的障害物を明示的に考慮し、基礎となる不確実性分布の明示的な知識を必要としないマニピュレータ制御のための新規 DR-CBF 定式化。
3. バブルベースの計画： ニューラル CDF 問い合わせを利用して安全な構成空間バブルのグラフを構築するサンプリングベースのプランナ。高次元空間における衝突判定のオーバーヘッドを大幅に削減する。
4. 実験的検証： シミュレーションおよび実世界の動的環境の両方において、6 自由度の UFactory xArm6 マニピュレータによる包括的な評価。プランナとコントローラの統合を実証する。

結果

本論文は、提案手法を CDF-RRT、SDF-RRT、Lazy-RRT などの RRT 変種、MPPI、標準的な CBF コントローラなどのベースラインと比較した広範な評価を示す。

• 計画効率： 2 自由度および 6 自由度のシミュレーションの両方において、バブル-CDF プランナは、衝突判定の回数を 1 桁減少させた（例：2 自由度では Lazy-RRT の約 1,759 回に対し約 154 回、6 自由度では約 2,741 回に対し約 279 回）。経路長は同等に維持しつつ、ポスト処理を含む全体の実行時間も最低を達成した。
• 制御の堅牢性： 移動障害物を伴う動的環境において：
  • 標準的な PD コントローラは頻繁に失敗した（成功率は約 11-18%）。
  • 標準的な CBF-QP コントローラは性能が向上したが、モデル化されていない不確実性により動的環境では大幅に低下した（成功率は約 64-70%）。
  • 提案するPD + DR-CBF-QPは、静的および動的なシミュレーション、ならびに実世界の実験の両方で100% の成功率を達成した。
• 実世界での性能： 物理的な xArm6 上での実験はシミュレーション結果を確認し、ロボットが雑多な環境を円滑に移動し、計画された軌道を追跡しながら動的障害物を回避するための防御機動を実行したことを示した。

意義と主張

本論文は、このアプローチが、正確なモデルが利用できず、障害物が予測不可能に移動する環境におけるロボット操作の実用的な解決策を提供すると主張する。学習された CDF を計画と制御の両方に統合することで、この手法は以下の点を実現する。

• 計算効率： 構成空間バブルの使用による衝突判定操作の大幅な削減。
• 堅牢な安全性： 保守的なオフラインマージンではなく、分布ロバスト最適化を通じて、ニューラルネットワークの近似誤差やセンサーノイズにもかかわらず安全性保証を維持する能力。
• リアルタイム適用性： このフレームワークは、オンボードセンサー（点群）上で効果的に動作し、リアルタイム制御レート（50 Hz）をサポートする。これにより、動的再計画が必要な倉庫や組立ラインなどの産業環境に適している。

著者は、自らの手法が詳細な環境モデルに依存せず、動的環境で動作する他のマニピュレータにも拡張可能であることを強調し、産業応用における生産性と安全性の向上を目指している。