Safe Flow Matching: Robot Motion Planning with Control Barrier Functions

要約

生成モデリングの最近の進歩により、特に複雑でマルチモーダルの軌跡分布をキャプチャする拡散およびフローベースのモデルを通じて、ロボットモーション計画における有望な結果が得られました。
ただし、これらの方法は通常、オフラインで訓練されており、目に見えない環境や動的な制約に直面している場合は限られたままであり、展開中に安全を確保するための明示的なメカニズムが欠けていることがよくあります。
この作業では、安全保証とフローマッチングを統合する軌跡生成のためのモーション計画アプローチであるSafe Flow Matthing（SAFEFM）を提案します。
SAFEFMは、提案されたフローマッチングバリア関数を組み込むことにより、以前に目に見えなかった障害や状態訴訟の制約が存在する場合でも、計画地平線全体に生成された軌道が安全な地域内に残ることを保証します。
拡散ベースのアプローチとは異なり、この方法により、制約に満足のいく軌跡を直接効率的にサンプリングすることができ、リアルタイムモーションプランニングに適しています。
平面ロボットナビゲーションや7-DOF操作など、多様なタスクのセットでSAFEFMを評価し、最先端の生成プランナーと比較して優れた安全性、一般化、および計画パフォーマンスを実証します。
包括的なリソースは、プロジェクトWebサイト：https：//safeflowmatching.github.io/safefm/で入手できます。

要約(オリジナル)

Recent advances in generative modeling have led to promising results in robot motion planning, particularly through diffusion and flow-based models that capture complex, multimodal trajectory distributions. However, these methods are typically trained offline and remain limited when faced with unseen environments or dynamic constraints, often lacking explicit mechanisms to ensure safety during deployment. In this work, we propose, Safe Flow Matching (SafeFM), a motion planning approach for trajectory generation that integrates flow matching with safety guarantees. By incorporating the proposed flow matching barrier functions, SafeFM ensures that generated trajectories remain within safe regions throughout the planning horizon, even in the presence of previously unseen obstacles or state-action constraints. Unlike diffusion-based approaches, our method allows for direct, efficient sampling of constraint-satisfying trajectories, making it well-suited for real-time motion planning. We evaluate SafeFM on a diverse set of tasks, including planar robot navigation and 7-DoF manipulation, demonstrating superior safety, generalization, and planning performance compared to state-of-the-art generative planners. Comprehensive resources are available on the project website: https://safeflowmatching.github.io/SafeFM/

arxiv情報

提供元, 利用サービス

arxiv.jp, Google