要約
このペーパーでは、特に環境が複雑で、システムのダイナミクスが実用的なアプリケーションに重要であるシナリオで、拡散モデルを使用して制御タスクの動的に許容可能な軌跡を生成する問題に対処します。
順次予測と投影メカニズムを通じて、システムのダイナミクスを拡散モデルの除去プロセスに直接統合する新しいフレームワークを提案します。
このメカニズムは、拡散モデルのノーシングスケジュールに合わせて、生成された軌道が専門家のデモンストレーションと一致し、根本的な物理的制約を遵守することを保証します。
特に、私たちのアプローチは、明示的なダイナミクスの知識が利用できない場合でも、最尤軌道を生成し、線形フィードバックコントローラーによって生成された軌跡を正確に回復することができます。
標準の制御タスクとウェイポイント追跡と衝突回避を含む複雑な非凸最適制御問題を通じて、実験を通じて私たちの方法の有効性を検証し、実際のアプリケーションで効率的な軌跡生成の可能性を示しています。
要約(オリジナル)
This paper addresses the problem of generating dynamically admissible trajectories for control tasks using diffusion models, particularly in scenarios where the environment is complex and system dynamics are crucial for practical application. We propose a novel framework that integrates system dynamics directly into the diffusion model’s denoising process through a sequential prediction and projection mechanism. This mechanism, aligned with the diffusion model’s noising schedule, ensures generated trajectories are both consistent with expert demonstrations and adhere to underlying physical constraints. Notably, our approach can generate maximum likelihood trajectories and accurately recover trajectories generated by linear feedback controllers, even when explicit dynamics knowledge is unavailable. We validate the effectiveness of our method through experiments on standard control tasks and a complex non-convex optimal control problem involving waypoint tracking and collision avoidance, demonstrating its potential for efficient trajectory generation in practical applications.
arxiv情報
著者 | Darshan Gadginmath,Fabio Pasqualetti |
発行日 | 2025-04-02 16:04:56+00:00 |
arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google