ニューラル運動計画のためのカスケード拡散モデル

- 実世界のロボットが複雑環境で衝突を避けつつ目標へ移動するための学習ベースの global motion planning 手法。 - diffusion policies を用いて、シーン全体を通る完全な trajectory を生成し、経路上の複数の障害物を推論する。 - cascaded hierarchical models により global prediction と local refinement を統合し、online plan repair で衝突回避を担保する。 - navigation と manipulation を含む複数ドメインの難しいタスクを対象とする。

- diffusion policies や他の generative models は local planning では高い性能を示すが、真に難しい global motion planning における微妙な制約違反の回避が苦手であった。 - 本研究は global motion planning を diffusion policies で学習し、経路上の複数障害物を考慮した完全 trajectory 生成を可能にする点が新しい。 - 提案手法は navigation と manipulation を含む複数ドメインの難しいタスクで、多様な baselines を約5%上回る。

- cascaded hierarchical models を用い、global prediction と local refinement を統合する階層的な生成を行う点が肝。 - online plan repair を組み合わせ、生成された trajectory が衝突しないことを保証する。 - diffusion policies により、複雑なシーン全体の trajectory を生成し、経路上の複数の障害物について推論する。

- navigation と manipulation を含む複数ドメインの難しいタスクで評価。 - 多様な baselines と比較し、提案手法が約5%上回ることを示した。 - 具体的なデータセット名や評価指標は要旨からは不明。

- 要旨からは不明。 - ただし、sensor perception に依存する場合や目標が clutter の中にある場合の衝突回避の難しさが動機として述べられている。

- diffusion policies に関する研究。 - generative models を用いた motion planning の先行研究。 - 要旨で参照/比較されている個別の研究名は要旨からは不明。