日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

軌道最適化arXiv:2510.04436

PAD-TRO: 射影拡張拡散による直接軌道最適化

PAD-TRO: Projection-Augmented Diffusion for Direct Trajectory Optimization

シェア:XThreadsFacebookLINEはてブBluesky

拡散モデルで状態列を直接生成し、勾配不要の射影機構で動的制約を満たす軌道最適化手法を提案。障害物の多いクアッドロータ経路計画で成功率を約4倍に向上。

詳しい要約

1. どんなもの?

- 拡散モデル(diffusion model)を用いた軌道最適化(trajectory optimization)の新手法 PAD-TRO の提案。 - 従来の diffusion-based 手法が control sequence を生成し single-shooting で forward propagate するのに対し、本手法は state 列を直接生成する direct trajectory optimization を行う。 - 動的実現可能性(dynamic feasibility)を担保するため、reverse diffusion process に勾配不要の projection mechanism を組み込む。

2. 先行研究と比べてどこがすごい?

- 従来の diffusion-based trajectory optimization は single-shooting 型で、denoised control sequence を dynamical system に与えて forward propagate するため、state 上の制約を明示的に課せず sub-optimal 解に陥りやすい。 - 本手法は state 列を直接生成する direct 型にすることでこの問題に対処。 - 密な静的障害物を含む quadrotor waypoint navigation で、最近の SOTA baseline と比較して dynamic feasibility error がゼロ、成功率が約4倍と報告。

3. 技術・手法の肝は?

- model-based diffusion による direct trajectory optimization を採用し、control ではなく state 列を直接生成。 - reverse diffusion process に gradient-free な projection mechanism を組み込み、非線形等式制約(動的実現可能性)を担保。 - 詳細なアルゴリズム構成は要旨からは不明。

4. どうやって有効だと検証した?

- 密な静的障害物を含む quadrotor waypoint navigation シナリオで評価。 - 最近の SOTA baseline と比較し、dynamic feasibility error がゼロ、成功率が約4倍であることを示した。 - その他のタスクや実機実験の有無は要旨からは不明。

5. 議論はある?

- 要旨からは不明(限界や失敗ケース、計算コスト、projection の一般性に関する議論は記述されていない)。

6. 次に読むべき論文は?

- 要旨で比較対象とされる最近の SOTA diffusion-based trajectory optimization baseline(具体的名称は要旨からは不明)。 - 関連手法として model-based diffusion、single-shooting 型 trajectory optimization、classifier guidance などの diffusion における制約充足手法。

※ 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: Jushan Chen, Santiago Paternain

分類: cs.RO, cs.SY, eess.SY

原文アブストラクト

Recently, diffusion models have gained popularity and attention in trajectory optimization due to their capability of modeling multi-modal probability distributions. However, addressing nonlinear equality constraints, i.e, dynamic feasibility, remains a great challenge in diffusion-based trajectory optimization. Recent diffusion-based trajectory optimization frameworks rely on a single-shooting style approach where the denoised control sequence is applied to forward propagate the dynamical system, which cannot explicitly enforce constraints on the states and frequently leads to sub-optimal solutions. In this work, we propose a novel direct trajectory optimization approach via model-based diffusion, which directly generates a sequence of states. To ensure dynamic feasibility, we propose a gradient-free projection mechanism that is incorporated into the reverse diffusion process. Our results show that, compared to a recent state-of-the-art baseline, our approach leads to zero dynamic feasibility error and approximately 4x higher success rate in a quadrotor waypoint navigation scenario involving dense static obstacles.

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. 2newmo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
  3. 3GXO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
  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

FRONTIER(GPU搭載BTOパソコン)

FRONTIER(GPU搭載BTOパソコン)の公式広告バナーFRONTIERでGPU搭載PCを見る ↗
PR本紙発行元 EmplifAI