[論文レビュー] Just in time Informed Trees: Manipulability-Aware Asymptotically Optimized Motion Planning

Kuanqi Cai, Liding Zhang+7 more|arXiv (Cornell University)|Jan 27, 2026

Robotic Path Planning Algorithms被引用数 0

ひとこと要約

JIT*はEIT*を拡張し、Just-in-TimeおよびMotion Performanceモジュールを用いて高次元ロボットの manipulability-aware な運動計画を改善する。R^4からR^16まで、単腕および二腕タスクで優れた性能を示す。

ABSTRACT

In high-dimensional robotic path planning, traditional sampling-based methods often struggle to efficiently identify both feasible and optimal paths in complex, multi-obstacle environments. This challenge is intensified in robotic manipulators, where the risk of kinematic singularities and self-collisions further complicates motion efficiency and safety. To address these issues, we introduce the Just-in-Time Informed Trees (JIT*) algorithm, an enhancement over Effort Informed Trees (EIT*), designed to improve path planning through two core modules: the Just-in-Time module and the Motion Performance module. The Just-in-Time module includes "Just-in-Time Edge," which dynamically refines edge connectivity, and "Just-in-Time Sample," which adjusts sampling density in bottleneck areas to enable faster initial path discovery. The Motion Performance module balances manipulability and trajectory cost through dynamic switching, optimizing motion control while reducing the risk of singularities. Comparative analysis shows that JIT* consistently outperforms traditional sampling-based planners across $\mathbb{R}^4$ to $\mathbb{R}^{16}$ dimensions. Its effectiveness is further demonstrated in single-arm and dual-arm manipulation tasks, with experimental results available in a video at https://youtu.be/nL1BMHpMR7c.

研究の動機と目的

• 高次元ロボットの経路計画における従来のサンプリングベース計画の非効率を解消する。
• 運動学的特異点と自己衝突を緩和し、安全性と軌道品質を向上させる。
• 漸近最適性を維持しつつ収束速度を改善する manipulability-aware 計画フレームワークを開発する。

提案手法

• Just-in-Time Informed Trees (JIT*) アルゴリズムを Effort Informed Trees (EIT*) の強化として提示する。
• Just-in-Time Edge を導入し、エッジの連結性を動的に refine する。
• Just-in-Time Sample を導入し、ボトルネック領域でサンプリング密度を適応的に増加させる。
• Motion Performance モジュールを組み込み、 manipulability と軌道コストを動的なスイッチングでバランスさせる。
• 特異性のリスクを低減しつつ軌道最適性を維持するために運動制御を最適化する。

実験結果

リサーチクエスチョン

• RQ1 JIT*は R^4 から R^16 までの異なる状態次元に対して従来のサンプリングベース計画を上回ることができるか。
• RQ2 Just-in-Time および Motion Performance モジュールは初期経路探索の速度と実行中の manipulability の改善につながるか。
• RQ3 単腕および二腕の操作タスクにおける安全性と効率の観点で JIT* はどう機能するか。

主な発見

• JIT*は R^4 から R^16 の次元にわたり、従来のサンプリングベース計画を一貫して上回る。
• Just-in-Time モジュールはエッジ連結性とサンプリング密度を refine して初期経路探索を加速する。
• Motion Performance モジュールは特異点リスクを低減しつつ軌道コストのバランスを取る。
• 実験的デモには単腕および二腕の操作タスクが含まれる（動画あり）。