Accelerating db-A$^\textbf{*}$ for Kinodynamic Motion Planning Using Diffusion

要約

拡散モデルを使用した運動力学的モーションプランニングのモーションプリミティブを生成するための新しいアプローチを提示します。
私たちのアプローチによって生成された動きは、問題固有のパラメーターを利用して、ソリューションをより速く、品質の向上させることにより、各問題インスタンスに適合します。
私たちのアプローチで使用される拡散モデルは、ランダムにカットされたソリューションの軌跡でトレーニングされています。
これらの軌跡は、運動力学的モーションプランナーでランダムに生成された問題インスタンスを解くことによって作成されます。
実験結果は、2次のユニサイクルやトレーラー付き車など、さまざまなロボットダイナミクス全体で、計算時間とソリューションの品質の両方で最大30％の大幅な改善を示しています。

要約(オリジナル)

We present a novel approach for generating motion primitives for kinodynamic motion planning using diffusion models. The motions generated by our approach are adapted to each problem instance by utilizing problem-specific parameters, allowing for finding solutions faster and of better quality. The diffusion models used in our approach are trained on randomly cut solution trajectories. These trajectories are created by solving randomly generated problem instances with a kinodynamic motion planner. Experimental results show significant improvements up to 30 percent in both computation time and solution quality across varying robot dynamics such as second-order unicycle or car with trailer.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google