NeuPAN

生のLiDAR点を直接ロボットの行動にマッピングするリアルタイムなエンドツーエンドプランナー

ライセンス

GPL-3.0

概要

NeuPAN(Neural Proximal Alternating-minimization Network)は、IEEE Transactions on Roboticsに掲載された、エンドツーエンドかつリアルタイム、マップ不要のロボットナビゲーションプランナー。学習ベースの点-衝突間距離モデルと、近接交互最小化(proximal alternating minimization)で解くモデルベース最適化を組み合わせ、生のLiDAR点を衝突のない行動へ直接マッピングする — 知覚から計画へのパイプラインも事前構築マップも不要だ — そして雑然とした動的環境で、実機の差動二輪およびアッカーマン型ロボット上で動作する。

従来のナビゲーションスタックは知覚・マッピング・計画のモジュールを連結し、各段階でレイテンシと誤差を蓄積していく。NeuPANはこの連鎖を畳み込む:解釈可能な最適化問題がロボットのダイナミクス、制御制約、障害物回避制約を結合し、障害物距離は、生の点を潜在距離特徴へエンコードする学習モデルDUNEから得られる。この問題はニューラル近接交互最小化ネットワークによってオンラインで解かれ、モデルベース制御の制約充足の挙動を保ちながら、組み込みGPU上でリアルタイムのレートを実現する。リポジトリは、事前学習済みモデル付きの完全なプランナー、IR-SIM(作者による軽量シミュレーター。本プラットフォームにも掲載)上のYAML設定済みサンプル、実機向けのROS統合、そして動的障害物・狭い通路・密で非構造なクラッターを差動二輪およびアッカーマン運動学で扱う論文シナリオの再現を提供する。

重要な理由

NeuPANは、厳密なモデルベースの背骨と実機での実証の両方を備えた初のエンドツーエンドプランナーのひとつだ — T-ROに掲載され、ナビゲーション研究の向かう先を体現している:ブラックボックスなポリシーではなく、最適化の安全構造を備えた、センサーから行動への直接的な計画である。

解決する課題

モジュール式のナビゲーションパイプラインは、知覚と計画の間にレイテンシと累積誤差を生み、密で動的なクラッターに苦しむ。NeuPANはダイナミクスと衝突制約を守りながら、生の点の上で直接リアルタイムに計画し、実機上でそのギャップを埋める。

主なポイント

• エンドツーエンド:生のLiDAR点を衝突のない行動へ直接マッピング — 事前構築マップ不要
• モデルベースのコア:ダイナミクス、制御制約、衝突制約をひとつの最適化に統合
• 学習距離モデルDUNE+近接交互最小化ソルバーでリアルタイムのレートを実現
• 動的なクラッター内の実機差動二輪・アッカーマン型ロボットに展開済み
• IEEE Transactions on Roboticsに掲載。シミュレーション例はIR-SIMで提供

対象

• エンドツーエンド計画を探求するナビゲーション研究者
• 学習ベースプランナーを評価するロボティクスエンジニア
• 最適化ベース制御を学ぶ大学院生
• 雑然とした動的空間で動くロボットの開発者

制限事項

• GPL-3.0ライセンスのため、クローズドソースでの製品化には制約がある
• PyTorchが必要で、リアルタイム性能の面ではGPUがあることが望ましい
• 2Dナビゲーションが対象 — 3D飛行やマニピュレーションの計画はなし
• 研究コード:提供されるROSサンプルを超える統合はユーザー次第