ロボット工学における重要な課題である、非構造化環境での反応的動作生成を大幅に改善する新しいフレームワークが提案されました。従来の方法では、静的シナリオに対してグローバル軌跡を生成するか、環境に関する保守的な仮定を置くモデルを採用してきました。しかし、このアプローチでは衝突のない高精度な動作生成の計算複雑性により、動的で混雑した環境への対応が十分ではありませんでした。 本研究で開発されたG-MAPP（GPU加速マルチエージェント計画知覚システム）は、この問題の根本的なボトルネックである実行時性能の要求と、知覚モジュールと計画モジュール間の時間的統合に焦点を当てています。研究チームはGPUを活用することで、世界モデリングとベクトル場ベースの計画を加速させることに成功しました。これにより、準グローバル軌跡計画のための並列状態探索をより高速化し、深度センサーなどの市販デバイスを用いた動的で混雑した環境でも知覚と行動のループを リアルタイムで密結合できるようになりました。 フランカエミカロボット（7自由度）を用いた実世界実験により、GPU版のフレームワークがCPU版と比較して最大5倍の高速化を達成し、自明なシナリオから複雑な物理世界のシナリオまで、幅広い環境での衝突回避に成功することが実証されました。計算時間と成功率の定量的評価も含め、本研究はロボットの自律運動能力を次のレベルへ押し上げる可能性を示しています。