UniConFlow: A Unified Constrained Generalization Framework for Certified Motion Planning with Flow Matching Models

要約

生成モデルは、様々なタスクにおいて柔軟でマルチモーダルな軌道生成を可能にし、ロボット動作生成のためのますます強力なツールとなっている。しかし、既存のアプローチの多くは、衝突回避や動的整合性などの複数の種類の制約を扱うことに限界があり、これらはしばしば別々に扱われるか、部分的にしか考慮されていない。本論文では、等式制約と不等式制約の両方を体系的に組み込んだ、軌跡生成のための統一されたフローマッチング（FM）ベースのフレームワークであるUniConFlowを提案する。UniConFlowは、新しい規定時間ゼロ化関数を導入し、推論プロセス中の柔軟性を向上させ、モデルが様々なタスク要求に適応できるようにする。特に障害物回避、許容行動範囲、キノダイナミック一貫性に関して制約を満足させるために、FMモデルへの誘導入力は二次計画定式化により導出され、再トレーニングや補助制御器を必要とせずに制約を考慮した生成を可能にする。我々は、移動ナビゲーションと高次元操作タスクを実施し、最新の制約付き生成プランナーと比較して、安全性と実現可能性が向上していることを実証している。プロジェクトページはhttps://uniconflow.github.io。

要約(オリジナル)

Generative models have become increasingly powerful tools for robot motion generation, enabling flexible and multimodal trajectory generation across various tasks. Yet, most existing approaches remain limited in handling multiple types of constraints, such as collision avoidance and dynamic consistency, which are often treated separately or only partially considered. This paper proposes UniConFlow, a unified flow matching (FM) based framework for trajectory generation that systematically incorporates both equality and inequality constraints. UniConFlow introduces a novel prescribed-time zeroing function to enhance flexibility during the inference process, allowing the model to adapt to varying task requirements. To ensure constraint satisfaction, particularly with respect to obstacle avoidance, admissible action range, and kinodynamic consistency, the guidance inputs to the FM model are derived through a quadratic programming formulation, which enables constraint-aware generation without requiring retraining or auxiliary controllers. We conduct mobile navigation and high-dimensional manipulation tasks, demonstrating improved safety and feasibility compared to state-of-the-art constrained generative planners. Project page is available at https://uniconflow.github.io.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL