RoboNav-Arm: 混雑環境におけるロボットマニピュレータのエージェンティックAI駆動ナビゲーションと障害物回避
混雑環境で安全に動作するロボットマニピュレータのための新しいフレームワークRoboNav-Armを提案。エージェンティックAIを活用し、リアルタイム障害物検出、セマンティックレポート、中央調整、適応型動作計画を統合。Gazeboシミュレーションで検証。
ロボットマニピュレータが非構造化環境で目標指向タスクを安全に実行するには、動的で予期しない障害物への対応が課題となる。従来手法は事前知識や固定の認識パイプラインに依存し、適応性が限られていた。本研究では、Aachal SharmaとNarendra Kumar Dharによって提案されたRoboNav-Armというフレームワークを紹介する。これはエージェンティックAIを活用し、効果的な障害物回避を実現するシステムである。
環境モジュールはリアルタイムの障害物検出、3D位置特定、地面表面の幾何学的推定を行い、障害物の位置、物体の幾何形状、および障害物が重要な相互作用ゾーンの内側か外側かを示す構造化セマンティックレポートを生成する。中央調整モジュールはシステム全体を管理し、ツール呼び出し（例：メモリやMoveIt衝突シーンの更新）を処理し、モジュール間の通信を促進し、タスク完了まで進捗を監視する。計画モジュールは現在の環境構成と目標要件に基づいて、RRTConnect、RRT*、BiTRRTなどの適切な動作計画アルゴリズムを選択する。計画器によって生成された軌道はさらに分析および洗練され、安全で衝突のないタスク実行を保証する。
提案手法はGazebo Classicで評価され、動的シナリオにおける頑健性が実証された。論文は2026年6月25日にarXiv（ID: 2607.09716）で公開され、ロボットマニピュレータのナビゲーションと障害物回避の分野に新たな貢献をもたらす。特に、環境変化への適応性が要求される産業用ロボットやサービスロボットへの応用が期待される。