フローモデルによる軌道スティッチングの改善

- 生成モデルをロボットマニピュレーションの軌道計画に応用する研究。 - 訓練データに完全な解軌道が存在しない場合の性能劣化を、軌道のstitching（接続）能力の欠如として特定。 - アーキテクチャとデータセット選択の改善、および訓練・推論手順の新規追加によりstitchingを強化。 - Franka Pandaのシミュレーションと実機で、分布外境界条件の計画と障害物回避を検証。

- 従来の生成モデルベースの軌道計画は、訓練セットに完全な解軌道がない場合に性能が低い。 - 本研究はその原因をstitching不能と特定し、アーキテクチャ・データセット・訓練/推論の改善で対処。 - 分布外境界条件と障害物回避においてベースラインより大幅に優れ、最大4倍の大きさの障害物を回避可能。

- 軌道stitchingを可能にするためのアーキテクチャとデータセット選択の変更。 - 訓練・推論手順への新規追加（具体的な内容は要旨からは不明）により、stitching能力を安定化・強化。 - Flow Modelsを用いた生成モデルによる軌道計画。

- Franka Pandaのシミュレーションと実機で、分布外境界条件の計画と障害物回避を実施。 - 両タスクでベースラインより大幅に良い性能を示し、最大4倍の障害物を回避できることを確認。

- 要旨からは不明。

- 要旨で参照/比較されている研究は明示されていない。 - 関連手法として、生成モデルベースの軌道計画（例：Diffusion Policy、Flow Matching）や、stitchingを扱う模倣学習（例：Trajectory Transformer、Decision Transformer）が考えられるが、要旨に記載なし。