[論文レビュー] UPath: Universal Planner Across Topological Heterogeneity For Grid-Based Pathfinding

Aleksandr Ananikian, Daniil Drozdov+1 more|arXiv (Cornell University)|Feb 27, 2026

Robotic Path Planning Algorithms被引用数 0

ひとこと要約

UPath は A* の普遍的補正係数ヒューリスティックを学習し、多様なグリッドトポロジーに対して一般化する。 unseen タスク分布での展開数を最大で 2.2x 減らしつつ、コストを最適解の約 3% 程度に維持。

ABSTRACT

The performance of search algorithms for grid-based pathfinding, e.g. A*, critically depends on the heuristic function that is used to focus the search. Recent studies have shown that informed heuristics that take the positions/shapes of the obstacles into account can be approximated with the deep neural networks. Unfortunately, the existing learning-based approaches mostly rely on the assumption that training and test grid maps are drawn from the same distribution (e.g., city maps, indoor maps, etc.) and perform poorly on out-of-distribution tasks. This naturally limits their application in practice when often a universal solver is needed that is capable of efficiently handling any problem instance. In this work, we close this gap by designing an universal heuristic predictor: a model trained once, but capable of generalizing across a full spectrum of unseen tasks. Our extensive empirical evaluation shows that the suggested approach halves the computational effort of A* by up to a factor of 2.2, while still providing solutions within 3% of the optimal cost on average altogether on the tasks that are completely different from the ones used for training $\unicode{x2013}$ a milestone reached for the first time by a learnable solver.

研究の動機と目的

• グリッドベースのパス探索において探索展開を削減するためのインスタンス認識型ヒューリスティックの必要性を動機付ける。
• 分布外マップを跨いで一般化するワンショット学習普遍ヒューリスティック予測器を提案する。
• 探索手順を変更せず、従来の A* プランナーと補正係数ヒューリスティックを統合する。
• 多様でトポロジー豊かなベンチマーク（UPF）全体で一般化を評価し、ベースラインと比較する。

提案手法

• 補正係数 cf*(n) = h_oct(n) / h*(n) を定義する（h_oct は octile ヒューリスティック、h* はゴールベースの Dijkstra パスからの真のコスト）。
• エンコーダ－トランスフォーマー－デコーダー網と長いスキップ接続を用いて密な cf(n) マップを予測し、マスク付き回帰損失で非障害物・非ゴールセルの cf*(n) を学習。
• 予測された cf を A* ガイダンス用の有用なヒューリスティック h_hat(n) = h_oct(n) / max(cf_hat(n), epsilon) に変換。
• 単純な手続き優先度（Uniform、Beta、Beta-Figures）で三つのモデルを訓練し、普遍性を促進し特定のトポロジーへの過適合を回避。
• UPF を作成、10 種類のトポロジータイプにわたる 20,000 タスク評価スイートを用いて、分跨ぎ一般化とロバスト性を検証。

実験結果

リサーチクエスチョン

• RQ1 単一のニューラルヒューリスティックが見慣れない広範なグリッドトポロジーと分布に対して一般化できるか。
• RQ2 ユニバーサル予測器は従来の A* や重み付き A*、さらに最先端の学習プランナーと分布シフト下でどう比較されるか。
• RQ3 より大きなグリッド（例: 128x128）へスケールして、効率とほぼ最適性を維持できるか。
• RQ4 ロスのマスキングやスキップ接続など、ロバストな普遍性能にとって重要な設計選択は何か。

主な発見

• UPath は UPF タスクで vanilla A* と比較して探索展開を最大で 2.2x 減らす。
• 解かれた経路はほぼ最適で、平均的なコストは最適解の約 3%程度上。
• Beta+Fig 変種は総合的なトレードオフで最高を示し、最適解の発見率 72.63%、コスト 101.1% ±4.1、展開 47.4% ±27.7。
• Beta 変種は展開が最も低く 45.3% ±31.9 だが、コストは高く 105.1% ±16.2、最適解は 55.24%。
• 重み付き A* と比較して、重みを高くすると展開は減るが最適性が低下しコストが増大。TransPath は評価分布に対する感度のため UPF で劣る。
• UPath は topology が多様な UPF ベンチマークで WA* の基線と TransPath の双方を上回り、頑健な一般化を示す。