原語ベースの打ち切り拡散による差動駆動移動マニピュレータの効率的軌道生成

- 差動駆動移動マニピュレータのための学習強化型動作計画手法を提案。 - タスク表現エンコーダとして、境界状態を微分可能順運動学で3D空間に写像するキーポイント系列抽出モジュールを提案。 - 点群とキーポイントを別々にエンコードし、attentionで融合。 - プリミティブベースのtruncated diffusionモデルを提案し、バイアス分布からサンプリング。 - ノイズ除去経路を軌道最適化で洗練し、動的実現可能性とタスク固有の最適性を確保。 - 乱雑な3Dシミュレーションで、成功率、軌道多様性、実行時間で競争力を示す。 - ソースコードは https://github.com/nmoma/nmoma で公開。

- 従来のvanilla diffusionモデルと比較して、効率と解の多様性を改善。 - 古典的ベースラインと比較して、成功率、軌道多様性、実行時間で競争力がある。 - 具体的な先行研究名は要旨からは不明。

- キーポイント系列抽出モジュール：境界状態を微分可能順運動学で3D空間に写像。 - 点群とキーポイントを別々にエンコードし、attentionで融合。 - プリミティブベースのtruncated diffusionモデル：バイアス分布からサンプリング。 - ノイズ除去経路を軌道最適化で洗練し、動的実現可能性とタスク固有の最適性を確保。

- 乱雑な3Dシミュレーションで評価。 - 成功率、軌道多様性、実行時間を指標として、vanilla diffusionおよび古典的ベースラインと比較。 - 具体的なシミュレーション環境やタスクの詳細は要旨からは不明。

- 提案手法の有効性を示す結果が得られているが、限界や議論の詳細は要旨からは不明。 - 実機実験の有無や一般化性については要旨からは不明。

- vanilla diffusionモデル（関連手法として比較）。 - 古典的ベースライン（具体的名称は要旨からは不明）。 - 同分野の定番として、diffusion policy、motion planning、trajectory optimizationに関する論文。