Gen-Swarms: Adapting Deep Generative Models to Swarms of Drones

要約

Gen-Swarms は、ディープ生成モデルの機能を活用し、リアクティブ ナビゲーション アルゴリズムと組み合わせて、ドローン ショーの作成を自動化する革新的な方法です。
深部生成モデル、特に拡散モデルの進歩により、高品質の 2D 画像の生成において顕著な効果が実証されています。
この成功に基づいて、さまざまな研究が拡散モデルを 3D 点群生成に拡張しました。
対照的に、フローマッチングなどの代替生成モデルが提案されており、ノイズから意味のある出力へのシンプルかつ直感的な移行を提供します。
ただし、フロー マッチング モデルの 3D 点群生成への応用は、ほとんど未踏のままです。
Gen-Swarms はこれらのモデルを適応させて、ドローン ショーを自動的に生成します。
既存の 3D 点群生成モデルは、ドローンの群れにとって非実用的な点の軌道を作成します。
対照的に、私たちの方法は正確な 3D 形状を生成するだけでなく、サンプリング プロセスに組み込まれたリアクティブ ナビゲーション アルゴリズムを通じて群れの動きをガイドし、滑らかな軌道を生成し、潜在的な衝突を考慮します。
たとえば、飛行機のようなテキスト カテゴリが与えられると、Gen-Swarms は 3D 飛行機の形状の多数のバリエーションを迅速かつ継続的に生成できます。
私たちの実験では、このアプローチがドローン ショーに特に適しており、実現可能な軌道を提供し、代表的な最終形状を作成し、ドローン ショー生成の全体的なパフォーマンスを大幅に向上させることが実証されました。

要約(オリジナル)

Gen-Swarms is an innovative method that leverages and combines the capabilities of deep generative models with reactive navigation algorithms to automate the creation of drone shows. Advancements in deep generative models, particularly diffusion models, have demonstrated remarkable effectiveness in generating high-quality 2D images. Building on this success, various works have extended diffusion models to 3D point cloud generation. In contrast, alternative generative models such as flow matching have been proposed, offering a simple and intuitive transition from noise to meaningful outputs. However, the application of flow matching models to 3D point cloud generation remains largely unexplored. Gen-Swarms adapts these models to automatically generate drone shows. Existing 3D point cloud generative models create point trajectories which are impractical for drone swarms. In contrast, our method not only generates accurate 3D shapes but also guides the swarm motion, producing smooth trajectories and accounting for potential collisions through a reactive navigation algorithm incorporated into the sampling process. For example, when given a text category like Airplane, Gen-Swarms can rapidly and continuously generate numerous variations of 3D airplane shapes. Our experiments demonstrate that this approach is particularly well-suited for drone shows, providing feasible trajectories, creating representative final shapes, and significantly enhancing the overall performance of drone show generation.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google