経路計画に学習は必要か：RRT系を20シード回して境界線を引く

経路計画アルゴリズムRRT系の実力を評価するため、RRT、RRT-Connect、RRT*、Informed RRT*とダイクストラ法、A*を比較計測。Physical AI分野における古典的経路計画の有効性を検証する。

• 古典的な経路計画アルゴリズム（RRT系、ダイクストラ法、A*）の速度を実測し、Physical AIにおける学習ベース手法との境界線を明確にする。
• RRT系は環境モデルがあれば即座に経路を構成できるが、学習ベース手法はデータから行動の方策を獲得するため、要求入力が異なる。
• 20シードでの比較実験の結果、RRT系・学習系どちらが優れているかは、単純な速度や次元ではなく、タスク定義に依存することが示唆された。
• タスクが「衝突せずに点Aから点Bへ」という言葉で定義しきれるかどうかが、古典手法と学習手法の境界線となる。
• Physical AIの文脈では、古典手法は「環境モデルからの経路構成」、学習手法は「観測から行動への関数獲得」という機能で区別される。