部分観測下でのメカナムロボットのロバスト軌道追従のためのSSS*–DDQN解空間最良優先探索
SSS–DDQN solution-space best-first search for robust trajectory tracking of Mecanum robots under partial observability
本研究では、部分観測下でのメカナムホイール移動ロボットのロバスト軌道追従のため、SSS*–DDQN解空間最良優先探索コントローラーを提案する。このフレームワークは、拡張カルマンフィルタ(EKF)ベースの信念状態推定、QMDP信念サンプリング、DDQN値評価、およびSSS* OPENリスト探索をLIVE/SOLVEDノード洗練と統合する。EKFはノイズのある観測とドロップアウト下で隠れたロボット状態を推定し、DDQNは学習された長期的な価値評価を提供し、SSS*探索はベータ境界プルーニング、遅延MINシブリング洗練、境界付きOPENリスト管理、二次ルックアヘッドを使用して有望な修正アクションクラスターを洗練する。提案されたSSS*–DDQNは、RMSExy=0.01906 m、MAExy=0.016074 m、累積報酬1843.6で最高の全体ランキングを達成した。AB–DDQNハイブリッドベースラインと比較して、RMSExyを12.93%、MAExyを17.80%削減した。複数の確率的試行にわたる統計的検証により、最も低い平均RMSExy(0.01847±0.00132 m)とMAExy(0.01554±0.00128 m)が、狭い95%信頼区間とともに示された。結果は、提案されたSSS*–DDQNがロバストなアクション選択を改善し、部分観測下で一貫した追従性能を提供することを確認した。
- 部分観測下のメカナムホイール移動ロボット向けに、EKF信念状態推定・QMDP信念サンプリング・DDQN価値評価・SSS* OPENリスト探索を統合したSSS*–DDQNコントローラーを提案
- RMSExy=0.01906 m、MAExy=0.016074 m、累積報酬1843.6で最高の全体ランキングを達成
- AB–DDQNハイブリッドベースライン比でRMSExyを12.93%、MAExyを17.80%削減
- 複数の確率的試行で平均RMSExy 0.01847±0.00132 m、平均MAExy 0.01554±0.00128 mと狭い95%信頼区間を統計的に検証
学術研究段階のアルゴリズム提案であり、特定企業の製品・調達・規制といった投資事象は含まれない。ただしメカナムホイール移動ロボットの部分観測下での軌道追従精度をRMSExyで約13〜18%改善したという定量的成果は、倉庫内AMR・自律搬送ロボットの実用化度を測る技術指標として押さえておきたい。商用化には実機・実環境での検証と計算コスト(SSS*探索+DDQN推論のオンボード実装)の検証が必要で、即時の投資判断材料にはならない点に留意。