文脈条件付き拡散モデルによる高速マルチモーダル動作計画

- 本研究は、ロボットの motion planning を diffusion model で高速化・多様化する手法 **CAMPD (Context-Aware Motion Planning Diffusion)** を提案するもの。 - 7-DoF robot manipulator を対象に、複数環境へ汎化可能な multi-modal な軌道生成を目指す。 - センサ非依存の文脈情報を条件として用いる点が特徴。

- 従来の sampling-based / optimization-based 手法は高次元状態空間や複雑環境への scalability に課題。 - 既存の diffusion ベース motion planning は多くが単一環境向けで、未学習環境への generalization が限定的。 - 複数環境を学習する既存手法は特定 camera に依存し、常にその sensor を必要とする。 - CAMPD は再学習なしで多様な環境に適応でき、既存手法より大幅に短時間で高品質・multi-modal な軌道を生成。

- classifier-free denoising probabilistic diffusion model を採用。 - 条件付けには sensor-agnostic な contextual information を使用。 - U-Net に attention mechanism を統合し、任意個の contextual parameters でモデルを条件付け。 - これにより特定 sensor に依存せず、複数環境への適応を可能にする。

- 7-DoF robot manipulator 上で評価。 - 実世界タスクにおいて state-of-the-art 手法とベンチマーク比較。 - 未見環境への generalization と、高品質・multi-modal な軌道生成を、既存手法より大幅に短い時間で実現できることを示した。

- 要旨からは不明。 - ただし、sensor-agnostic な条件付けの設計や、実世界での汎化性能・計算時間に関する議論が想定されるが、本文の詳細は要旨に記載なし。

- 比較対象として示唆されるのは sampling-based motion planning、optimization-based motion planning、既存の diffusion-based motion planning、複数環境向けに camera 条件付けする手法。 - 関連手法として classifier-free diffusion guidance、U-Net、attention mechanism に関する文献。 - 具体的な論文名は要旨からは不明。