Joint Localization and Planning using Diffusion

要約

普及モデルは、操作や車両の経路計画などのロボット工学の問題にうまく適用されています。
この研究では、既知だが任意の 2D 環境でグローバルな位置特定と経路計画を共同で実行する問題を考慮することにより、認識と計画の両方を含むエンドツーエンドのナビゲーションへの応用を探ります。
特に、自己中心的な LIDAR スキャン、任意のマップ、および目的のゴール位置が与えられた場合に、グローバル基準フレーム内で衝突のない経路を生成する拡散モデルを導入します。
この目的を達成するために、SE(2) のパス空間に拡散を実装し、障害物とセンサー観測の両方でノイズ除去プロセスを条件付ける方法を説明します。
私たちの評価では、提案された条件付け技術により、トレーニング環境とはかなり異なる外観の現実的なマップへの一般化が可能になること、曖昧な解決策を正確に記述するモデルの能力を実証すること、およびモデルのリアルタイムとしての使用を示す広範なシミュレーション実験を実行することを示します。
エンドツーエンドのローカリゼーションと計画スタック。

要約(オリジナル)

Diffusion models have been successfully applied to robotics problems such as manipulation and vehicle path planning. In this work, we explore their application to end-to-end navigation — including both perception and planning — by considering the problem of jointly performing global localization and path planning in known but arbitrary 2D environments. In particular, we introduce a diffusion model which produces collision-free paths in a global reference frame given an egocentric LIDAR scan, an arbitrary map, and a desired goal position. To this end, we implement diffusion in the space of paths in SE(2), and describe how to condition the denoising process on both obstacles and sensor observations. In our evaluation, we show that the proposed conditioning techniques enable generalization to realistic maps of considerably different appearance than the training environment, demonstrate our model’s ability to accurately describe ambiguous solutions, and run extensive simulation experiments showcasing our model’s use as a real-time, end-to-end localization and planning stack.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google