DIFF-IPPO: Diffusion-Based Informative Path Planning with Open-Vocabulary Belief Maps

技術要約: DIFF-IPPO

問題提起
部分観測環境における自律的な探索および物体探索には、情報利得またはターゲット検出の可能性を最大化する軌道を生成するロボットが必要である。従来のインフォマティブ・パス・プランニング（IPP）手法は、多くの場合、ガウス型ベルーフ表現と計算コストの高い最適化に依存しており、リアルタイム性やマルチエージェント設定への適用が制限されている。さらに、物体探索の設定では、セマンティックまたはオープンボキャブラリーな知覚に由来する複雑でマルチモーダルなベルーフマップが頻繁に生成されるが、そのような非ガウス型ベルーフマップに直接条件付けられたグローバルな軌道生成については、未だ十分に研究されていない。拡散ベースのプランナーは複雑な分布のモデリングにおいて強力な能力を提供しているが、IPPへの具体的な適用は限られている。

手法
本論文では、オープンボキャブラリーなベルーフマップ生成器と、グローバルな軌道生成のための条件付き拡散モデルを統合したパイプラインであるDIFF-IPPOを提案する。このシステムは、主に以下の2つのステージで動作する。

1. オープンボキャブラリー・ベルーフマップ生成:

   • システムは、事前学習済みのCLIPモデルを用いて、RGB衛星画像と自然言語テキストクエリを空間的なベルーフマップに変換する。
   • プロセス: 入力画像はスライディングウィンドウ法を通じて重複するクロップとして処理される。CLIPテキストエンコーダがクエリを埋め込み、CLIP画像エンコーダが各クロップの特長量を抽出する。テキストと画像の特徴間のセマンティック類似度（コサイン類似度）が計算される。
   • 集計: 類似度スコアは重複するウィンドウ上で集計されて生のベルーフマップを形成し、その後、正規化、ガウスフィルタによる平滑化、および閾値処理（例：上位20%の応答を保持）が行われ、高関連領域が分離される。

2. 拡散ベースの軌道プランニング:

   • アーキテクチャ: 条件付きUNetベースの拡散モデルが軌道を生成する。ネットワークは、特徴量トークンを生成する畳み込みエンコーダを介して、空間的ベルーフマップに条件付けられる。これらのトークンはタイムステップ埋め込みと結合され、FiLM（Feature-wise Linear Modulation）およびクロスアテンションメカニズムを用いてUNetに注入される。
   • 学習: モデルは、TIGRISアルゴリズムの再実装によって生成された軌道とペアになった、42,000以上のサンプル（不規則な塊およびガウス分布）を含む合成データセットを用いて学習される。
   • 損失関数: 学習目的関数は、以下の3つの項を組み合わせる：
     • 拡散損失 ($L_{diff}$): 拡散プロセス中に加えられたノイズを予測する。
     • カバレッジ損失 ($L_{cov}$): ベルーフマップの未観測部分にペナルティを課す。これは、範囲および視野制約に基づくエージェントの可視性をモデル化し、観測後のベルーフ質（belief mass）の減少を計算する。
     • 滑らかさ損失 ($L_{sm}$): 大きな制御入力（速度、加速度、ジャーク）にペナルティを課すことで、動的に実行可能な軌道を促進する。
   • 推論: システムはバッチ化された軌道生成をサポートしており、同一のベルーフマップに条件付けられた複数の軌道を並列に生成する。推論時、カバレッジ目的関数は、生成を高カバレッジ領域へと導くガイダンス信号として機能する。

主な貢献

• フレームワーク: 非ガウス型ベルーフマップ上での軌道生成に特化して設計された、拡散ベースのIPPフレームワーク。
• 統合パイプライン: オープンボキャブラリーなベルーフマップ生成（CLIP経由）と、拡散ベースの軌道生成を組み合わせたシステム。
• 推論時のガイダンス: 推論中に、ベルーフマップのカバレッジ目的を利用して軌道生成に影響を与えるメカニズム。
• 評価: 合成ベルーフマップデータセットおよびシミュレーションされた捜索救助環境における包括的な評価。

実験結果
著者らは、不規則な塊、散在するガウス分布、および両方の組み合わせの3種類のデータセットに対して、DIFF-IPPOをAID（拡散ベース）およびTIGRISベースのプランナーと比較評価した。

• 合成性能: DIFF-IPPOは、異なるシナリオにおいて**81.49%から86.55%**の正規化検出スコアを達成した。「散在するガウス分布」のデータセットでは、$12.24 \times 10^4$の探索効率を達成した。
• マルチ軌道生成: バッチ設定（3および5つの軌道）において、DIFF-IPPOはAIDと比較して様々な冗長性を示した。例えば、不規則な塊における3軌道設定では、DIFF-IPPOはAID（0.4139）よりも低い冗長性（0.4006）を示したが、特定のメトリック構成においてはAIDの方が高い正規化検出率を達成した。
• シミュレーション捜索救助: 「建物」というクエリを用いて「燃える建物」を特定するように設計された1 km × 1 kmのシミュレーション環境において、バッチ軌道生成を用いた5機のドローンチームは、平均3.5分で初検知を達成した。単一ドローンおよび3機ドローンの構成では、それぞれ平均7.9分および4.25分であった。

意義と主張
本論文は、DIFF-IPPOを、ベルーフマップに条件付けられたバッチ軌道生成への一歩として位置づけている。著者らは現在の範囲について明確に謙虚な姿勢を示している：

• 本システムは、完全なマルチエージェントIPPフレームワークを構成するものではない。タスク割り当て、エージェント間通信、分散型コーディネーション、または衝突回避モデリングが欠如している（これらはローカルプランニングやガイダンス制約を介して追加可能であると注記されている）。
• マルチ軌道実験は、共有されたベルーフマップに条件付けられたバッチ生成として解釈されており、学習された結合マルチエージェントデモンストレーションではない。
• その意義は、拡散モデルが、オープンボキャブラリーな知覚に由来する複雑で非ガウス型のベルーフマップに対して、実行可能で多様な軌道を効果的に生成できることを実証した点にある。

今後の課題
著者らは、疎で非常に不規則なベルーフマップにおける性能向上、バッチ設定における軌道の多様性の調査、および明示的な安全性配慮型プランニングとエージェント間コーディネーションを備えた完全なマルチエージェントIPPへの拡張を含む、将来の研究方向をいくつか特定している。