DTG : Diffusion-based Trajectory Generation for Mapless Global Navigation

要約

本論文では、オクルージョンや、草、建物、茂みなどのような非構造的な道路外の特徴を持つ、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・エンドの拡散に基づく軌跡生成手法、DTGを紹介する。遠方の目標が与えられたとき、我々のアプローチは以下の目標を満たす軌跡を計算する：(1)ゴールまでの移動距離を最小化する。(2)望ましくない領域に存在しない経路を選択することにより、走破性を最大化する。具体的には、拡散モデルのための新しい条件付きRNN(CRNN)を提示し、効率的に軌道を生成する。さらに、拡散モデルがより多くの走行可能な軌道を生成することを保証する適応的な学習方法を提案する。様々な屋外シーンにおいて我々の手法を評価し、Huskyロボットを用いて他のグローバルナビゲーションアルゴリズムと性能を比較する。その結果、少なくとも15％の移動距離の改善と、7％程度の走行性の改善が見られた。

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, DeepL