日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

マニピュレーションarXiv:2509.08160

拡散モデル誘導によるマルチアーム動作計画

Diffusion-Guided Multi-Arm Motion Planning

シェア:XThreadsFacebookLINEはてブBluesky

単腕軌道生成とペア衝突解消の2つの拡散モデルを組み合わせ、MAPF風の分解で多数アームの動作計画を効率化した手法。

詳しい要約

1. どんなもの?

- 複数アームが共有空間で長期的タスクを効率的に遂行するための multi-arm motion planning 手法 - MAPF (Multi-Agent Path Finding) の発想に倣い、計画を単一アーム問題と衝突解消に分解 - 提案手法は diffusion-guided multi-arm planner (DG-MAP) - 2つの conditional diffusion model を学習: 単一アーム軌道生成用と dual-arm dynamics モデリング用 - 学習ベースモデルのスケーラビリティ向上と大規模 multi-arm dataset への依存低減を狙う

2. 先行研究と比べてどこがすごい?

- 従来の multi-arm motion planning は state-space の指数的増大によりスケールしにくい - 既存の学習ベース手法は大規模な multi-arm dataset に依存 - DG-MAP は MAPF 的な構造分解により、より多くのアーム数へ効率的にスケール - 大規模 multi-arm dataset への依存を低減 - 衝突が主に pairwise である点に着目し、dual-arm dynamics の生成モデルで対処する点が特徴的

3. 技術・手法の肝は?

- MAPF に着想を得て、計画を単一エージェント問題と衝突解消に分解 - 第1の conditional diffusion model で実行可能な単一アーム軌道を生成 - 第2の conditional diffusion model で dual-arm dynamics をモデル化し、pairwise collision resolution を実施 - これら specialized generative model を MAPF 風の構造的分解に統合 - 衝突が主に pairwise であるという前提を活用し、アーム数増加に対するスケーラビリティを確保

4. どうやって有効だと検証した?

- 様々な team size において、他の learning-based method と比較評価 - 提案手法の有効性と実用性を示す結果を報告 - 具体的なベンチマーク名・指標・数値は要旨からは不明 - プロジェクトページ https://diff-mapf-mers.csail.mit.edu が公開されている

5. 議論はある?

- 衝突が主に pairwise であるという仮定の妥当性や限界は要旨からは不明 - 3アーム以上の同時衝突など、pairwise で扱えない状況への議論は要旨からは不明 - 単一アーム軌道生成モデルと dual-arm モデルの学習データ要件の詳細は要旨からは不明 - 大規模アーム数での性能限界や計算コストは要旨からは不明

6. 次に読むべき論文は?

- Multi-Agent Path Finding (MAPF) の関連研究 - 学習ベースの multi-arm motion planning の比較対象手法(具体名は要旨からは不明) - conditional diffusion model を用いた軌道生成の関連研究 - diffusion model による motion planning の代表的手法(例: Diffuser など同分野の定番)

※ AIが要旨から生成した要約です。正確性は原文をご確認ください。

著者: Viraj Parimi, Brian C. Williams

分類: cs.RO, cs.AI, cs.MA

原文アブストラクト

Multi-arm motion planning is fundamental for enabling arms to complete complex long-horizon tasks in shared spaces efficiently but current methods struggle with scalability due to exponential state-space growth and reliance on large training datasets for learned models. Inspired by Multi-Agent Path Finding (MAPF), which decomposes planning into single-agent problems coupled with collision resolution, we propose a novel diffusion-guided multi-arm planner (DG-MAP) that enhances scalability of learning-based models while reducing their reliance on massive multi-arm datasets. Recognizing that collisions are primarily pairwise, we train two conditional diffusion models, one to generate feasible single-arm trajectories, and a second, to model the dual-arm dynamics required for effective pairwise collision resolution. By integrating these specialized generative models within a MAPF-inspired structured decomposition, our planner efficiently scales to larger number of arms. Evaluations against alternative learning-based methods across various team sizes demonstrate our method's effectiveness and practical applicability. Project website can be found at https://diff-mapf-mers.csail.mit.edu

関連論文

  1. 1Boston Dynamics、車輪付きAtlasの研究試作機を紹介研究・技術
  2. 2GXOとApptronik、Apolloの物流現場試験を拡大 最大1,000台の展開を構想量産・展開
  3. 3newmoとKDDIが資本業務提携 2028年に堺市で自動運転タクシー商用化目指す提携・買収
  4. 4NVIDIA、CoRLでGR00T 2とIsaac Lab 3.0を発表新製品・発表
  5. 5UC BerkeleyとNVIDIAの研究者、AIエージェントでロボット制御コードを仮想環境で改善研究・技術

PR・アフィリエイト広告

MINISFORUM(ミニPC)

MINISFORUM(ミニPC)の公式広告バナーMINISFORUM公式ストアを見る ↗
PR本紙発行元 EmplifAI