近年、arXivに掲載された論文「PISTO: Proximal Inference for Stochastic Trajectory Optimization」は、新たな確率的軌道最適化アルゴリズムPISTOを提案している。本手法は従来のSTOMPアルゴリズムを拡張し、KLダイバージェンスに基づく正則化項を追加することで更新を安定化し、ロボットの動作計画性能を大幅に向上させる。
研究チームはまず、STOMPアルゴリズムが暗黙的にボルツマン軌道分布へのKL最小化を行っていることを示し、その変分推論構造を明らかにした。この洞察に基づき、PISTOでは連続するガウス型提案分布間にKL正則化を導入し、近接最適化形式を構築する。この定式化は信頼領域法として解釈でき、代理分布下での期待値として閉形式の平均更新を導出する。これらの期待値は重要度重み付きモンテカルロサンプリングで推定され、微分不要で単純なアルゴリズムを実現する。
ロボットアームの動作計画ベンチマークでは、PISTOは89%の成功率を達成し、CHOMP（63%）やSTOMP（68%）を上回った。さらに、生成される経路はより短く滑らかで、競合する確率的手法の2倍の速度で計算される。接触の多いMuJoCoシミュレーション（ locomotion および manipulation タスク）においても、PISTOは報酬指標でCEMやMPPIベースラインを一貫して凌駕した。
PISTOの微分不要な特性により、非微分可能または不連続なコスト関数をそのまま扱うことができ、複雑なロボットタスクに対するシンプルかつ強力な計画ツールを提供する。論文は8ページの詳細な説明と、コミュニティでの再現のためのコードリンクを含んでいる。