CHD：面向长时域任务的耦合分层扩散
机器人学
2025-10-14 v3 人工智能
摘要
基于扩散的规划器在短时域任务中表现出色，但在复杂的长时域设置中常常失败。我们将失败归因于高层（HL）子目标选择与低层（LL）轨迹生成之间的松散耦合，这导致规划不一致且性能下降。我们提出了耦合分层扩散（CHD），这是一个在统一扩散过程中联合建模HL子目标和LL轨迹的框架。一个共享分类器将LL反馈向上游传递，使得子目标在采样过程中能够自我修正。这种紧密的HL-LL耦合提高了轨迹连贯性，并实现了可扩展的长时域扩散规划。在迷宫导航、桌面操作和家庭环境中的实验表明，CHD始终优于平面和分层扩散基线。我们的网站是：https://sites.google.com/view/chd2025/home
引用
@article{arxiv.2505.07261,
title = {CHD: Coupled Hierarchical Diffusion for Long-Horizon Tasks},
author = {Ce Hao and Anxing Xiao and Zhiwei Xue and Harold Soh},
journal= {arXiv preprint arXiv:2505.07261},
year = {2025}
}