PRESTO: Fast Motion Planning Using Diffusion Models Based on Key-Configuration Environment Representation
机器人学
2025-03-20 v2
摘要
我们引入一种学习导向的 motion planning 框架，使用扩散模型生成轨迹优化的种子轨迹。给定工作空间，该方法通过由稀疏的任务相关关键配置组成的环境表示来近似配置空间 (C-space) 中的障碍物，然后用作扩散模型的条件输入。扩散模型集成了鼓励训练期间平滑、无碰撞轨迹的正则化项，轨迹优化则细化生成的种子轨迹以纠正任何碰撞段。我们的实验结果表明，通过该C-space导向的扩散模型学习的高质量轨迹先验，使我们能够有效生成窄通道环境中的无碰撞轨迹，优于以前的学习和规划基线方法。视频和附加材料可在项目页面找到：https://kiwi-sherbet.github.io/PRESTO。
关键词
引用
@article{arxiv.2409.16012,
title = {PRESTO: Fast Motion Planning Using Diffusion Models Based on Key-Configuration Environment Representation},
author = {Mingyo Seo and Yoonyoung Cho and Yoonchang Sung and Peter Stone and Yuke Zhu and Beomjoon Kim},
journal= {arXiv preprint arXiv:2409.16012},
year = {2025}
}
备注
Accepted to ICRA 2025