AIToday
ロボティクスQiita 機械学習掲載日時: 2026年10月20日 10:00

ポテンシャル場法の解説記事、局所極小の弱点も紹介

LINEで送る
ポテンシャル場法の解説記事、局所極小の弱点も紹介

3つのポイント

  1. 何が起きたか

    筆者はブラウザで動くポテンシャル場法シミュレータを作り、引力と斥力の2つの力でロボットが坂を滑り落ちる仕組みを約20行の勾配コードで示した。

  2. なぜ重要か

    局所極小があるため「常に下り坂へ」という単純な戦略には、ランダムに探索木を伸ばしてゴールに到達できるがギザギザの経路になるRRTなどの代替手段が必要になる。

わからないところ、AIに聞けます

質問と回答はこのページに公開されます。

こういう要約が、毎朝あなたのメールに届きます。

背景と解説

ポテンシャル場法は1980年代にさかのぼり、工場の搬送ロボットやドローンの自動航行で今も現役で使われている。理由は洗練ではなく極端な軽さだ。ディープラーニングと違いGPUが不要で、数千円のマイコンでも経路をリアルタイムに再計算できる。

数値例で、この手法がなぜ機能し、どこで破綻するかを示す。開始時、 (5, 0) の障害物は斥力半径d_0=3.0の外にあるため、ロボットはまっすぐ右へ進む。障害物に0.1まで近づくと斥力の勾配が約483.35に跳ね上がり、引力の勾配5.1を圧倒してロボットを押し戻す——衝突は回避される。問題は障害物の配置がポケットを作るときに起きる。力が打ち消し合い、ロボットはU字の入口で止まる。

実務では最大ステップ数(例えば1000)を設け、動きが微小になったらランダムな外乱を加え、障害物をロボットの半径に安全マージンを加えた分だけ膨張させて扱う——幅60cmの搬送ロボットなら障害物の半径を30cm大きくする。現実的な答えは、ポテンシャル場法をRRTのような手法と組み合わせることだと結論づける。滑らかさは一方から、到達性は他方から得られる。

よくある質問
なぜロボットはU字の障害物の近くで止まるのか?
U字の入口では引力と斥力が完全に釣り合い、ロボットはもう下り坂へ動けなくなる。これが局所極小で、この手法最大の弱点だ。
RRTはポテンシャル場法とどう違うのか?
RRTは探索木をランダムに伸ばし、U字の壁を越えてゴールに到達できるが経路はギザギザになる。ポテンシャル場法は滑らかな経路を作るが到達性が低い。
推奨されるパラメータ値は?
筆者はk_att=1.0、k_rep=0.5から始め、斥力半径d_0を調整するよう勧める。k_repを極端に大きくすると振動が起き、狭い通路をふさぐことがある。
Qiita 機械学習元記事を読む
LINEで送る

あなたの仕事に関係するAIニュースを、毎朝お届けします。

業界と使っているAIツールを選ぶと、仕事に関係するニュースが毎朝届きます。

登録無料・Googleアカウントなら30秒・いつでも解除できますAITodayについて →

AIに質問

この記事についてわからないことをAIに質問できます。AIはこの記事・AIToday の過去記事・Wikipedia を読み、出典を付けて答えます。Q&Aはこのページに公開され、他の読者も読めます。

質問と回答はこのページに公開されます。

関連記事

次の記事へ常駐AIの「処理中」表示、3つの設計パターン