本論文では、複雑で動的な環境におけるロボティクスのための最適経路計画問題を探求します。従来のサンプリングベースのアルゴリズムは、環境情報や過去のサンプルから得られる情報を無視することが多いですが、これらの情報は次の状態をサンプリングする際に有用なヒューリスティックを提供します。本研究では、標準のRRTアルゴリズムとトランスフォーマーネットワークを統合した新しいサンプリングベースの計画アルゴリズム、RRTformerを提案します。このアルゴリズムは、環境から特徴を抽出し、過去のサンプル情報を活用してサンプリングプロセスを改善することを目的としています。実験結果は、RRTやNeural RRTなどの既存のアルゴリズムに比べ、経路の最適性とサンプリング効率が大幅に向上したことを示しています。コードはオンラインで公開されています。