ロボットナビゲーションは、地図上で現在地からゴールまでの経路を計画し、障害物を避けながら追従する技術である。newbotで採用しているNav2のような古典的パイプラインが実用の主流である一方、強化学習やVision-Languageモデルを取り入れたEnd-to-End的な手法の研究が急速に広がっている。

ROS 2ROS 2 / Nav2

画像: Robot Operating Systemロゴ、Wikimedia Commons(CC BY-SA 4.0)

古典的パイプライン: コストマップと経路計画の分離

Nav2に代表される古典的なナビゲーションスタックは、センサー情報からコストマップ(障害物の危険度を表す2次元マップ)を構築し、その上でグローバルな経路計画とローカルな軌道追従を別々のモジュールとして実行する。各モジュールの役割が明確で、挙動を人間が理解・調整しやすい一方、想定していない環境(未知の障害物形状、密集した人混みなど)への適応力には限界がある。newbotでもこの古典的パイプラインを採用しており、実装の詳細は「地図生成と自律ナビゲーションの仕組み」で扱っている。

土台となる運動学: 差動駆動の速度変換

どのナビゲーション手法を使うにせよ、最終的にコントローラが出力するのは並進速度vと旋回角速度\omegaの組である。newbotのような差動駆動(左右2輪)のロボットでは、これを左右輪の速度v_l, v_rへ変換する運動学モデルが土台になる。

v = \frac{v_r + v_l}{2}, \qquad \omega = \frac{v_r - v_l}{L}

Lは左右の車輪間距離(トレッド幅)である。逆に、経路計画が求めた(v, \omega)から左右輪の目標速度を求める場合はこの逆変換を使う。この単純な式の中に、差動駆動という機構そのものの制約(横移動ができない、旋回には必ず左右輪の速度差が要る)が表れており、コストマップや経路計画がどれだけ高度になっても、最終的にはこの運動学モデルを介してモーターを駆動する。newbotでの実装は「安全な速度制御の仕組み」も参照。

Nav2の内部構造: コストマップ・コントローラ・ビヘイビアツリー

古典的パイプラインの内部でどのようにモジュールが連携しているかをもう少し具体的に見ると、Nav2は複数の「レイヤ」を重ねてコストマップ(障害物の危険度を表す2次元マップ)を構築する設計になっている。静的な地図情報を反映するレイヤ、カメラや深度センサーの情報から動的な障害物を検知・追跡するレイヤ、ルールに基づいてコストマップを書き換えるレイヤなど、役割の異なるレイヤを積み重ねることで、単一のアルゴリズムでは表現しきれない多様な情報源を1つの地図表現に統合している。

経路の追従を担うcontroller_serverは、直前に計画されたグローバル経路に沿ってロボットを動かす役割を持ち、ローカルなコストマップを参照しながら、進捗確認(progress checker)・ゴール到達判定(goal checker)という補助的なプラグインとも連携する。behavior_serverはリカバリ行動(その場での回転、後退など)を担うサーバーで、controller_serverと同じローカルコストマップをリアルタイムに参照できる設計になっており、環境表現オブジェクトを複数箇所で重複して持たない効率的な構成になっている。

これら個々のサーバーをどの順番で・どんな条件で呼び出すかを制御しているのがビヘイビアツリー(Behavior Tree)である。Nav2はBehaviorTree.CPPというライブラリを使い、木構造のノードが「ティック(実行トリガー)」されるたびに、プランナ・コントローラ・ビヘイビアサーバーといった各アクションサーバーを呼び出す。この設計により、「経路計画に失敗したらN回までリトライしてから別の回復行動に切り替える」といった複雑な条件分岐を、個々のサーバーのコードを変更せずにビヘイビアツリーの設定だけで組み替えられる。

End-to-End学習ナビゲーションの広がり

古典的パイプラインに対する潮流が、センサーの生入力から直接行動を出力するEnd-to-Endの学習ベースナビゲーションである。ドア通過のような現実的な協調シーンでは、学習ベースの手法がモデルベースの手法を上回る性能を示すという報告もあり、深層強化学習(DRL)がROSベースのナビゲーション研究における主要なトレンドの一つになっている。TD3(Twin-Delayed DDPG)、DDPG、DQNといったアルゴリズムがリアルタイムの物体検出・追跡・ナビゲーションに応用されており、模倣学習(エキスパートのデモンストレーションから初期方策を学習)と強化学習(継続的な方策の改善)を組み合わせたハイブリッド手法も登場している。

ナビゲーション基盤モデルという方向性

より新しい潮流が、ナビゲーションそのものを「基盤モデル」として学習させる試みである。オフライン動画での事前学習と、シミュレーション環境での強化学習による事後学習を組み合わせる枠組み(S2E: Seeing-to-Experiencing)は、汎化性能を保ちながら対話性(インタラクティブ性)を強化語彙する設計になっている。またVision-Languageモデルをナビゲーションに組み込む研究(Navi2Gazeなど)も進んでおり、地図上の座標ではなく自然言語やゴール画像でナビゲーション先を指定する方向性が模索されている(この点はVLA分野とも重なる。詳細は「VLAの技術動向」を参照)。

社会的ナビゲーション(Social Navigation)

人が行き交う環境で運用する屋内ロボットにとって、障害物を避けるだけでなく「人間らしい」経路取りをすることも重要な研究テーマになっている。社会的ナビゲーションの分野では、人間の動きを正確に予測できるモデル、混雑環境を現実的にシミュレートする学習環境、実世界の複雑さを捉えられる評価指標の3点が研究上の主要課題として整理されている。価値ベース・方策ベース・Actor-Criticといった複数系統の強化学習アルゴリズムと、フィードフォワード・再帰・畳み込み・グラフ・transformerといった多様なニューラルネットワーク構造を組み合わせる研究が活発である。

学習ベースナビゲーションの具体的な成果: 数値で見る2026年

抽象的な「性能向上」ではなく、具体的な数値で成果を示す研究が2026年には目立つようになっている。既知の地図なしで未知環境を探索するCORE Planner(2026年6月)は、疎な可視グラフ(visibility graph)による構造化された環境表現とtransformerを組み合わせ、従来手法のFAR Plannerと比べて移動距離13%減、他の学習ベース手法と比べては最大48%減という改善を報告しつつ、シミュレーションから実機への追加学習なしの転移(zero-shot sim-to-real)も実現している。学習にかかる時間そのものを劇的に縮めたFlashNav(2026年6月)は、シミュレーションから不要な描画・高精度物理演算を取り除いたGPU常駐型の学習パイプラインにより、RTX 5090上で20秒未満・成功率100%というポリシー学習を達成し、学習済みポリシーの実機への転移にも成功している。

社会的ナビゲーションの分野でも定量的な進展がある。人が近くにいるときだけVLM(Vision-Language Model)による高度な推論を選択的に起動し、それ以外は強化学習ポリシーの計算効率を活かすハイブリッド方式HUMA(2026年7月)は、Social-MP3D・Social-HM3Dという2つのベンチマークで、それぞれタスク成功率20%・3%の改善を報告している。「常に高コストな推論を使う」のではなく「必要な場面だけ使う」という設計判断が、精度と計算コストのトレードオフを両立させる鍵になっている。

ナビゲーション基盤モデルの具体化: VLNの実装例

「ナビゲーション基盤モデル」という方向性(S2Eなど)は、2026年に入ってより具体的な実装として結実しつつある。SuperMap(2026年8月、RSS 2026採択)は、高頻度な幾何学的SLAMと非同期のオープン語彙知覚を統合し、物体の意味・関係性に対する構成的なクエリに対応する4次元シーングラフ(空間+時間)を構築する。動的環境でも物体の同一性(3D空間での対応づけと再認識)を安定して維持する設計になっており、自然言語での指示に基づくロボットナビゲーションの基盤として機能する。

より軽量な実装例としては、事前学習済みのマルチモーダルLLMを凍結したまま、離散的なトークンでウェイポイントナビゲーションを扱えるように適応させるGemNav(2026年7月)がある。専用の視覚エンコーダを必要とせず、少ない訓練データで未知の屋内外環境へゼロショット転移できる点が特徴で、大規模な基盤モデルをフルファインチューニングせずに転用する「データ効率の良い代替案」として位置づけられている。クラウドサービスに依存せず、エッジ上で完結するVision-Language Navigation(オープン語彙物体検出・プロンプトベースのセグメンテーション・LiDAR幾何情報を組み合わせ、小型言語モデルだけで屋外環境の目標位置を推定する手法、2026年7月)も登場しており、「自然言語で指示するナビゲーション」が研究段階から実装段階へ移行しつつある実態がうかがえる。

実務上の現在地

現時点でNav2のような古典的パイプラインを置き換える段階には至っていない。学習ベース手法は研究環境では優れた成果を示しているが、実機での再現性・安全性の検証コストが高く、量産・実運用への投入はまだ限定的である。newbotが採用している「古典的な経路計画+独立した安全監督層(物理的なキルスイッチを含む)」という設計(詳細は「安全な速度制御の仕組み」を参照)は、この分野の実務的な到達点を反映したものと言える。学習ベース手法の実用化が進むとしても、少なくとも当面は、古典的な安全機構と組み合わせたハイブリッド構成が現実的な選択になると見ている。

参考リンク

#ナビゲーション #強化学習 #Nav2