[論文レビュー] Hierarchical Multi-Modal Planning for Fixed-Altitude Sparse Target Search and Sampling

Lingpeng Chen, Yuchen Zheng+3 more|arXiv (Cornell University)|Mar 9, 2026

Robotic Path Planning Algorithms被引用数 0

ひとこと要約

HIMoS は固定高度の階層的計画フレームワークを導入し、音響マッピング、中距離視覚、近距離サンプリングを統合して、希薄なサンゴ標的を効率的に探索・サンプリングする。グローバル・オリエンテーリング・プランナーと、微分可能な信念ダイナミクスベースのローカルプランナーを組み合わせる。

ABSTRACT

Efficient monitoring of sparse benthic phenomena, such as coral colonies, presents a great challenge for Autonomous Underwater Vehicles. Traditional exhaustive coverage strategies are energy-inefficient, while recent adaptive sampling approaches rely on costly vertical maneuvers. To address these limitations, we propose HIMoS (Hierarchical Informative Multi-Modal Search), a fixed-altitude framework for sparse coral search-and-sample missions. The system integrates a heterogeneous sensor suite within a two-layer planning architecture. At the strategic level, a Global Planner optimizes topological routes to maximize potential discovery. At the tactical level, a receding-horizon Local Planner leverages differentiable belief propagation to generate kinematically feasible trajectories that balance acoustic substrate exploration, visual coral search, and close-range sampling. Validated in high-fidelity simulations derived from real-world coral reef benthic surveys, our approach demonstrates superior mission efficiency compared to state-of-the-art baselines.

研究の動機と目的

• AUV の希薄な海底環境におけるエネルギー非効率な全探索を解決する。
• 高コストな垂直運動を回避しつつ濁り条件に対処する固定高度フレームワークを開発する。
• 2層の計画アーキテクチャ（グローバルとローカル）で異種センサ（FLS、FLC、DLC）を統合する。
• 微分可能な信念ダイナミクスを実現し、運動学的に実現可能で情報駆動の軌道を生成する。

提案手法

• SSS 任務を固定-SE(2) AUV モデルでの多センサ IPP 問題として定式化する。
• 確率的偵察センサ（FLS、FLC）と決定論的検証センサ（DLC）を用い、対数オッズ信念更新（Eq. 3）を行う。
• 適応的多分解能基盤信念グラフ上でオリエンテーリング問題を解く階層的グローバルプランナーを採用し、報酬場推定にヘテロスケダス GP を用いる（Eq. 5, IV-B）。
• Differentiable Belief Dynamics を用いた時間 Triggered ローカルプランナーを実装し、探索とサンプリングのバランスを取る微分可能な NLP を作成する（V）。
• 勾配ベースの軌道最適化を可能にするソフトな微分可能センサ場代理体を導入する（Eq. 10）。
• CasADi/IPOPT を用いた直接多射法で有限ホライゾン NLP を解き、リアルタイム実行を図る。

実験結果

リサーチクエスチョン

• RQ1 固定高度・多モーダルセンサ組合せをどのように効果的に統合して希薄なサンゴの探索・サンプリングを行うか？
• RQ2 階層的計画アーキテクチャ（グローバル・オリエンテーリング＋ローカル微分可能軌道最適化）は時間予算の下で任務効率を向上させるか？
• RQ3 微分可能信念ダイナミクスは非ミオピックで運動学的に実現可能な計画を可能にし、探索とサンプリングをトレードオフできるか？
• RQ4 適応的多分解能グラフ構築とヘテロスケダス基盤モデリングは計画品質にどのような影響を及ぼすか？
• RQ5 地上真実に近い基盤・サンゴマップに対して、HIMoS はオフラインの事前情報付きベースラインと比べてどれだけ近い性能を示すか？

主な発見

• HIMoS は難易度の易しい・中程度・難しいマップでのターゲット確認率において Boustrophedon と MCTS のベースラインを上回る。
• 任務予算をまたいでも高い性能を維持し、ベースラインで見られるプラトー現象を回避する。
• 適応的多分解能グラフとオンライン信念更新により、領域ごとの効率的な探索と活用が可能となる。
• 微分可能信念ダイナミクスは、音響探索と正確なサンプリングをバランスさせる滑らかな非ミオピック軌道を生み出す。
• 固定高度・多モーダル統合アプローチは濁水の制約を緩和し、垂直運動によるエネルギーコストを低減する。