Robot Motion Planning using One-Step Diffusion with Noise-Optimized Approximate Motions

要約

このペーパーでは、ワンステップ拡散モデルを使用した画像ベースのロボットモーション計画方法を提案します。
拡散モデルは高品質のモーション生成を可能にしますが、その計算コストは​​高すぎてロボットをリアルタイムで制御するには高すぎます。
同時に高品質と効率を達成するために、ワンステップ拡散モデルは、入力画像から直接予測されるほぼ生成された動きを採用します。
このおおよその動きは、私たちの新しいノイズオプティマイザーによって提供される添加剤ノイズによって最適化されています。
一般的な等方性ノイズとは異なり、ノイズオプティマイザーは、各動き要素の不確実性に応じて、非異方性にノイズを調整します。
私たちの実験結果は、私たちの方法が、ワンステップ拡散によってその効率を維持しながら、最先端の方法よりも優れていることを示しています。

要約(オリジナル)

This paper proposes an image-based robot motion planning method using a one-step diffusion model. While the diffusion model allows for high-quality motion generation, its computational cost is too expensive to control a robot in real time. To achieve high quality and efficiency simultaneously, our one-step diffusion model takes an approximately generated motion, which is predicted directly from input images. This approximate motion is optimized by additive noise provided by our novel noise optimizer. Unlike general isotropic noise, our noise optimizer adjusts noise anisotropically depending on the uncertainty of each motion element. Our experimental results demonstrate that our method outperforms state-of-the-art methods while maintaining its efficiency by one-step diffusion.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google