複数のロボットを効率的に制御する際に直面する動作計画問題は、ロボティクス研究における重要な課題です。新たに提案されたAO-ARC手法は、この問題に対して革新的なアプローチをもたらします。AO-ARCは、初期解を迅速に見つけることと、その解をより良いものへ継続的に改善することの両立を目指すanytime（いつでも停止可能）なマルチロボット動作計画手法です。既存の最先端MRMP（マルチロボット動作計画）可行性ソルバーと同等の初期解時間を実現しながら、ロボット数の増加に伴い既存のanytime手法よりも高速かつ安定的に収束する特徴を持っています。 このアルゴリズムの核となる工夫は、AO-xというメタアルゴリズムを活用し、元のARC手法を制限されたMRMP問題に対して反復的に適用する点にあります。この過程ではmakespan（最大完了時間）をコスト指標として用いられます。AO-ARCはARCの適応的な結合・分離特性を活かしながら、複数のロボット構成全体にわたって一貫性のあるコスト下界を保持することで、理論的な正当性を確保しています。 研究チームは理論的解析によってAO-ARCの漸近的最適性を証明し、その有効性を実験的に検証しました。評価は2次元空間において協調の複雑さが異なる複数シナリオ、および実世界応用を想定した3次元マニピュレータシナリオで実施されています。この研究は、スケーラビリティと最適性を両立させるマルチロボットシステムの実現に向けた重要な進展を示しています。