G-MAPP：GPU加速によるマルチエージェント計画と知覚の反応的動作生成

非構造化環境での反応的動作生成は、ロボット工学における未解決の課題である。衝突回避動作生成の計算複雑性のため、既存手法は静的なシーン向けの大域軌道生成か、環境に保守的な仮定を置くモデルに限られていた。本研究では、高忠実度環境での計画における実行時性能と、知覚・計画モジュール間の時間的統合が主要なボトルネックであると特定した。そこで、GPUを用いた世界モデリングとベクトル場ベースの計画の高速化により、実行時性能と世界表現を損なわないフレームワークを提案する。これにより、準大域軌道計画のための高速並列状態探索と、動的で障害物の多い環境でのリアルタイムな知覚-行動ループ結合を実現する。

提案フレームワークG-MAPPは、7自由度のFranka Emikaロボットを用いて定量的・定性的に評価された。計画器のCPU版とGPU版の計算時間と成功率を比較し、実世界実験で結合フレームワークの性能を検証した。結果、GPUベースのフレームワークはCPU版に比べて最大5倍の高速化を達成し、単純なシナリオから困難な物理環境まで衝突を回避することに成功した。実験では、静的な障害物から動的な障害物を含む様々なシナリオが設定され、フレームワークの堅牢性が確認された。さらに、知覚遅延が全体の性能に与える影響も評価され、GPU高速化によりセンサ入力から動作指令出力までのエンドツーエンドの遅延が大幅に削減されることが示された。

本成果は、IEEE Robotics and Automation Letters（2026年6月号、第11巻、第6号、pp.7516-7523）に掲載され、実装は公開されている。この研究は、特に高速な反応と回避が必要な複雑な動的環境における、ロボットのリアルタイムかつロバストな動作制御への新たな道を開くものである。今後の研究方向としては、マルチロボットシステムへの拡張や、より複雑な操作タスクへの適用が考えられる。