DTG : Diffusion-based Trajectory Generation for Mapless Global Navigation

要約

私たちは、草、建物、茂みなどの遮蔽物や非構造化されたオフロード地物を伴う困難な屋外シナリオにおけるマップレス グローバル ナビゲーションのための、新しいエンドツーエンドの拡散ベースの軌道生成手法である DTG を紹介します。 遠い目標を考えると、私たちのアプローチは
次の目標を満たす軌道を計算します。(1) ゴールまでの移動距離を最小限に抑えます。
(2) 望ましくないエリアにないパスを選択することで、通過可能性を最大化します。
具体的には、効率的に軌道を生成するための拡散モデル用の新しい条件付き RNN (CRNN) を提案します。
さらに、拡散モデルがより通過可能な軌道を生成することを保証する適応トレーニング方法を提案します。
私たちはさまざまな屋外シーンでメソッドを評価し、ハスキー ロボットの他のグローバル ナビゲーション アルゴリズムとパフォーマンスを比較します。
実際に、移動距離が少なくとも 15% 向上し、横断性が約 7% 向上したことが確認されています。

要約(オリジナル)

We present a novel end-to-end diffusion-based trajectory generation method, DTG, for mapless global navigation in challenging outdoor scenarios with occlusions and unstructured off-road features like grass, buildings, bushes, etc. Given a distant goal, our approach computes a trajectory that satisfies the following goals: (1) minimize the travel distance to the goal; (2) maximize the traversability by choosing paths that do not lie in undesirable areas. Specifically, we present a novel Conditional RNN(CRNN) for diffusion models to efficiently generate trajectories. Furthermore, we propose an adaptive training method that ensures that the diffusion model generates more traversable trajectories. We evaluate our methods in various outdoor scenes and compare the performance with other global navigation algorithms on a Husky robot. In practice, we observe at least a 15% improvement in traveling distance and around a 7% improvement in traversability.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google