DiPPeR: Diffusion-based 2D Path Planner applied on Legged Robots

要約

この研究では、拡散駆動技術を活用した、四足歩行のための新規で高速な 2D 経路計画フレームワークである DiPPeR を紹介します。
私たちの貢献には、地図画像と対応する軌道用のスケーラブルなデータセット ジェネレーター、移動ロボット用の画像条件付き拡散プランナー、CNN を使用したトレーニング/推論パイプラインが含まれます。
私たちは、Boston Dynamic の Spot ロボットと Unitree の Go1 ロボットの実世界の展開シナリオだけでなく、いくつかの迷路でもアプローチを検証します。
DiPPeR は、検索ベースおよびデータ駆動型の経路計画アルゴリズムの両方に対して、平均 23 倍高速に軌道生成を実行し、可変サイズおよび障害物構造のマップでさまざまな長さの実現可能な経路を生成する際に平均 87% の一貫性を実現します。
ウェブサイト: https://rpl-cs-ucl.github.io/DiPPeR

要約(オリジナル)

In this work, we present DiPPeR, a novel and fast 2D path planning framework for quadrupedal locomotion, leveraging diffusion-driven techniques. Our contributions include a scalable dataset generator for map images and corresponding trajectories, an image-conditioned diffusion planner for mobile robots, and a training/inference pipeline employing CNNs. We validate our approach in several mazes, as well as in real-world deployment scenarios on Boston Dynamic’s Spot and Unitree’s Go1 robots. DiPPeR performs on average 23 times faster for trajectory generation against both search based and data driven path planning algorithms with an average of 87% consistency in producing feasible paths of various length in maps of variable size, and obstacle structure. Website: https://rpl-cs-ucl.github.io/DiPPeR

arxiv情報

提供元, 利用サービス

arxiv.jp, Google