技術要約：Multi-Robot Rolling Diffusion (MRRD)

問題定義

本論文は、人間と共有する環境におけるマルチロボット経路計画という課題に取り組んでいます。核心となる目的は、静止障害物、他のロボット、および動的な人間（$M$）を含む2Dワークスペース内をナビゲートするために、ロボットチーム（$N$）を調整することです。システムは以下の3つの目標を同時に達成しなければなりません：

1. 衝突回避： ロボット同士、ロボットと人間、およびロボットと障害物の衝突を防ぐ。
2. 社会的配慮（Social Awareness）： 単なる幾何学的な最短経路ではなく、人間の移動パターンを模倣した、予測可能で社会的に受け入れられる経路を生成する。
3. スケーラビリティとリアルタイム性能： 大規模なロボットチーム（最大15台）に対して効率的に動作し、距離や群衆の密度に応じて適応する。

著者らは、既存の生成型プランナー（例：CoBL-Diffusion）における決定的な限界として、**「固定時間問題（fixed-time problem）」**を指摘しています。従来の拡散モデルは、ゴールまでの距離に関わらず、硬直した固定の期間で経路を生成します。これにより、遠いゴールに対しては危険なほど高速に、近いゴールに対しては不自然に低速になるなど、不安定な速度を生じさせ、動的で長期的なシナ景における適応性を妨げてしまいます。

手法：Multi-Robot Rolling Diffusion (MRRD)

提案されたフレームワークであるMRRDは、ローリングホライゾン・スキーム、衝突ベース探索（Conflict-Based Search: CBS）、および拡散ベースのシングルロボット・プランナーを統合した3層構造のアーキテクチャです。

1. ローリングホライゾン計画（トップレベル）

単一のグローバルな経路を始点から終点まで生成する代わりに、MRRDはローリングホライゾンアプローチ（アルゴリズム1）を採用しています。

• 反復プロセス： システムは長さ $H$（計画ホライゾン）の短い経路セグメントを計画し、$K$ ステップ（実行ホライゾン、ここで $K < H$）のみを実行します。
• 適応性： $K$ ステップを実行した後、ロボットの新しい位置が次のイテレーションの始点となります。これにより、変化する人間の予測やロボットの位置に対して継続的に反応することが可能になります。
• 人間予測： システムは、ホライゾン $H$ にわたる人間の経路に対して完全な予測関数を利用するため、長期的な人間の軌道予測を行う必要がありません。

2. マルチロボット協調（ミドルレベル）

ローリングホライゾン内でのロボット間の衝突を解決するために、MRRDは衝突ベース探索（CBS）（アルゴリズム2）を適応させています。

• 並列生成： 逐次的なプランナーとは異なり、MRRDは拡散モデルを使用して、すべての $N$ 台のロボットの初期経路セグメントを並列に生成します。
• 制約ツリー： ロボット間の衝突が検出された場合、アルゴリズムは問題を子ノードに分割します。特定の時刻における特定のロボットに対して**球状制約（spherical constraints）**を課し、これらの制約領域を回避するように経路を再計画します。
• 関心の分離： ロボットと人間の相互作用は拡散モデルの学習された事前分布によって処理され、ロボット同士の相互作用はCBS制約ツリーによって明示的に解決されます。

3. シングルロボット拡散プランナー（ボトムレベル）

核心的な革新は、拡散モデルのアーキテクチャとその条件付けメカニズム（図1）にあります。

• 緊急度に基づく時間的条件付け： 「固定時間問題」を解決するため、モデルは固定の時間期間ではなく、ゴールまでのウェイポイント数（経路点数）を表す緊急度項（$u_i$）に基づいて条件付けられます。
  • モデルは、ゴール位置と緊急度がサンプリングされた人間の歩行データを用いて学習され、距離に基づいて速度を調整することを学習します。
    দেখে、モデルは様々な緊急度値を持つパスのバッチを生成します。システムは、実現可能（衝突がない）であり、かつ現在のコンテキストに適切な最高速度（最小の $u_i$）を持つパスを選択します。
• ガイダンス項： デノイジング（除去）プロセスは、以下の3つのコスト関数の勾配によってガイドされます：
  1. 制約コスト： CBSによって課された球状制約への違反にペナルティを課す。
  2. 人間距離コスト： パーソナルスペースモデル（コア半径とクローズ半径）を用い、密な群衆ではランク重み付きのペナルティを適用して、人間への接近にペナルティを課す。
  3. 障害物コスト： 符号付き距離関数（SDF）を用い、静止障害物への侵入にペナルティを課す。
• アーキテクチャ： テンポラルU-Netが、ノイズを含む経路、ゴール埋め込み、および緊急度埋め込みを処理し、反復的に経路をデノイズします。

主な貢献

1. MRRDフレームワーク： ローリングホライゾン実行、CBSによる衝突解決、および拡散ベースの経路生成を組み合わせた新しい3層プランナー。
2. 緊急度条件付け： 固定の期間ではなく「ゴールまでの時間（緊急度）」に基づいて拡散モデルを条件付けるメカニズムであり、適応的な速度プロファイルを実現し、固定時間問題を解決する。
3. スケーラブルな並列推論： CBSフレームワーク内での並列化された拡散推論の実装により、大規模なロボットチーム（15台）へのリアルタイムなスケールアップを可能にする。
4. 差別化されたガイダンス： 社会的規範（拡散の事前分布と人間コストによって処理）とロボット間の協調（CBS制約によって処理）を分離するガイダンス戦略。

実験結果

著者らは、ロボット数（6〜15台）、人間の群衆、および静止障害物が変化するシミュレーション環境において、MRRDをCoBL-Diffusion（拡散ベース）およびNavi-STAR（強化学習ベース）と比較して評価しました。

• 安全性と成功率：
  • MRRDは、すべてのシナリオにおいて**ロボット同士の衝突率0%**を達成しました。一方、ベースラインは15台のロボットシナリオにおいて、Navi-STARで0.98、CoBL-Diffusionで0.28の衝突率を記録しました。
  • MRRDは15台のロボットで92%の成功率を維持しましたが、CoBL-Diffusionは32%、Navi-STARは0%に低下しました。
  • ロボットと人間の衝突率についても、MRRD（0.08）はベースライン（0.22〜1.00）よりも大幅に低い値を示しました。
• 効率性：
  • MRRDは優れた計画速度を示しました。15台のロボットに対し、MRRDの計画時間は8.8秒であり、CoBL-Diffusionの60.2秒およびNavi-STARの17.3秒と比較して高速でした。
  • 並列化されたアプローチは、MRRDの非並列版よりも4倍高速でした。
• 軌道の品質：
  • MRRDは、CoBL-Diffusionよりも平均加速度プロファイルが5〜8倍低い滑らかな軌道を生成し、より人間らしく流動的な動きを示しました。
  • ゴール到達精度も大幅に向上しました（誤差0.37mに対し、CoBL-Diffusionは1.46m）。
• 障害物ナビゲーション：
  • 静止障害物を含む複雑なマップにおいて、MRRDはロボット同士の衝突率0.00を維持し、最も高密度なシナリオでも56%の成功率を維持しましたが、CoBL-Diffusionは完全に失敗しました（成功率0%）。

意義と主張

本論文は、MRRDが社会的配慮に基づいたナビゲーションとスケーラブルなマルチロボット協調の間の溝を埋めることに成功したと主張しています。固定時間の経路生成から脱却することで、ロボットが環境に応じて速度を動的に調整できるようになり、これは人間と共有する空間における安全性のための極めて重要な要素です。

著者らは、彼らのアプローチが以下の特性を持つことを強調しています：

• 効果的なスケーラビリティ： 学習ベースの従来のベンチマークには欠けていた、大規模なチーム（最大15台）へのリアルタイムな対応。
• 相互作用の分離： 社会的規範には拡散を用い、ハードな衝突制約にはCBSを用いることで、安全性を損なうことなく堅牢なパフォーマンスを実現。
• 既存のベースラインを凌駕： 安全性指標（衝突率）とミッション成功率の両方において既存のベースラインを上回り、質的に滑らかで人間らしい軌道を生成。

結論として、将来的な改善点としてデノイジング過程における不変性や統合された人間予測モジュールの追加などが挙げられますが、MRRDは現在、動的な人間居住環境における大規模なロボットチームの展開に向けた重要な一歩であるとしています。