arXivのロボティクス（cs.RO）分野に投稿された論文が、マルチロボット運動計画（MRMP）のための任意時間型（anytime）アルゴリズム「AO-ARC」を提案している。任意時間型アルゴリズムとは、まず短時間で実行可能な解を返し、その後、計算時間の増加に応じて解を改善し続ける手法を指す。多数のロボットを実際に運用する場面では、素早い応答と、計算資源が許す範囲での解品質の向上の両方が求められるため、この性質は重要である。
摘要によれば、AO-ARCは初期解を得るまでの時間が最先端のMRMP実現可能性ソルバと同程度でありながら、ロボットの台数が増えるにつれて、既存の任意時間型MRMP手法よりも速く、かつ安定して収束する。ロボット数が増えると結合配置空間の次元が急激に膨張し、集中型計画はすぐに非現実的になる一方、分散型の手法では解品質の保証が難しいという課題がある。AO-ARCはこの両者のトレードオフに対処することを狙っている。
手法の設計では、AO-ARCはAO-xメタアルゴリズムを改変して用いる。AO-xは、「実行可能か否か」だけを判定するソルバを任意時間型アルゴリズムに変換する枠組みであり、制約を徐々に厳しくした有界問題に対して元のソルバを繰り返し呼び出すことで、コストが単調に改善する解の列を得る。AO-ARCでは、メイクスパン（完了時間）のコスト尺度の下で、有界なMRMP問題に対して元のARC法を繰り返し適用する。
AO-xの枠組みが成立するには、ロボットの分解（decoupling）と結合（coupling）の過程を通じて一貫したコスト上界を維持する必要がある。AO-ARCはARCの適応的な（非）結合機能を活用してこれを満たす。ARCは問題をより小さな部分問題に分割するか、あるいは結合して解くかを動的に判断するが、AO-ARCはその上でAO-xの要件を満たす有界問題の列を構成する。摘要では、この組み合わせによって、迅速に実行可能解を得ながら最適コストに近づけると強調している。
理論面では、著者らはAO-ARCが漸近最適性を持つことを示す解析を与えている。これは、計算時間を無限に増やしたとき、アルゴリズムが返す解のコストがほぼ確実に最適値へ収束することを意味する。この性質により、任意時間型手法に対して経験的な改善だけでなく、解品質の保証が与えられる。
実証面では、協調の複雑さが異なる複数の2次元シーンと、実世界応用を代表する3次元マニピュレータシーンの2種類で評価を行っている。これらの実験は、ロボット間の協調が難しい状況でもAO-ARCが高速な収束と安定した解品質を維持できるかを検証することを目的としている。
本論文はJames D. Motes氏ら3名によるもので、2026年6月25日にarXivへ投稿された。番号はarXiv:2606.27495v1で、cs.ROに分類されている。著者らは、ロボット数が拡大しても任意時間型のマルチロボット計画を信頼できるものにすることを目指し、その正しさと最適性に理論的な裏付けを与えている。