DiPPeST: Diffusion-based Path Planner for Synthesizing Trajectories Applied on Quadruped Robots

要約

四足歩行ロボットの経路計画のための新しい画像と目標条件付き拡散ベースの軌道ジェネレータである DiPPeST を紹介します。
DiPPeST は、以前に導入した拡散ベースの 2D グローバル軌道ジェネレータ (DiPPeR) をゼロショットに適応させたものです。
導入されたシステムには、追加のトレーニング、画像処理、または環境解釈技術を必要とせずに、カメラ入力に反応するローカル リアルタイム パス改良のための新しい戦略が組み込まれています。
DiPPeST は、公称環境で障害物回避の成功率 92% を達成し、ピクセル変動が DiPPeR よりも最大 3.5 倍複雑な環境でテストした場合、平均成功率 88% を達成しました。
視覚サーボ フレームワークは、現実世界の実行を可能にするために開発されており、四足ロボットでテストされ、さまざまな環境で 80% の成功率を達成し、狭い環境で複雑な最先端のローカル プランナーよりも改善された動作を示しています。

要約(オリジナル)

We present DiPPeST, a novel image and goal conditioned diffusion-based trajectory generator for quadrupedal robot path planning. DiPPeST is a zero-shot adaptation of our previously introduced diffusion-based 2D global trajectory generator (DiPPeR). The introduced system incorporates a novel strategy for local real-time path refinements, that is reactive to camera input, without requiring any further training, image processing, or environment interpretation techniques. DiPPeST achieves 92% success rate in obstacle avoidance for nominal environments and an average of 88% success rate when tested in environments that are up to 3.5 times more complex in pixel variation than DiPPeR. A visual-servoing framework is developed to allow for real-world execution, tested on the quadruped robot, achieving 80% success rate in different environments and showcasing improved behavior than complex state-of-the-art local planners, in narrow environments.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google