CoopUQ (コープユーキュー) は2026年10月19日(現地時間)、不確実性認識型の協調占有予測と堅牢な意思決定を連携させるマルチロボット社会ナビゲーションフレームワークを発表した。強化学習を用いたモバイルロボットのナビゲーションにおいて、単一ロボットアプローチでは遮蔽やOOD (out-of-distribution) シナリオ下で安全性と効率性の確保が困難となる課題に対応する。本フレームワークは、クロスロボット時空間特徴融合による将来の占有グリッドマップ予測と、その予測および不確実性を活用した制約付きマルチエージェント強化学習を通じて、予測性能と安全性の向上を実証した。
CoopUQは、クロスロボット時空間特徴融合 (cross-robot spatiotemporal feature fusion) を通じて将来の占有グリッドマップを予測する。この予測とそれに伴う不確実性は、制約付きマルチエージェント強化学習 (constrained multi-agent reinforcement learning) を用いたポリシーの誘導に活用される。このプロセスでは、占有されると予測される領域や高い不確実性を持つ領域へのナビゲーションに対してコストが課される。これにより、ポリシーは分布シフト下においてもリスク感度を適応させることができる設計となっている。
実験は、複数のUnity3Dベースのシミュレーション環境で実施された。これらのシミュレーションは、インディストリビューション (in-distribution) 設定とOOD (out-of-distribution) 設定の両方を含み、多様なレイアウト、歩行者密度、急ぎ足の行動といったシナリオが適用された。結果として、CoopUQは代表的なベースラインと比較して予測性能と安全性の両面で改善を示した。また、実ロボットを用いた実験でも、様々なシーンにおける本フレームワークの堅牢性が実証された。
この研究は、Conference on Robot Learning (CoRL 2026) で発表された。関連するコードとビデオはプロジェクトウェブサイトで公開されている。
参考: arXiv cs.RO (アーカイブ) — 2026年10月20日 02:59 (JST)
原文ハイライト"CoopUQ: Robust Multi-Robot Social Navigation via Uncertainty-Aware Cooperative Forecasting"