基于动态引导的成本扩散运动规划

机器人操作的运动规划问题可通过经典方法或深度学习方法来解决。现有方法在针对多样化场景进行泛化方面面临重大挑战。本研究提出了一种具备高度泛化能力的方法，通过扩散模型生成无碰撞轨迹，其中去噪过程由总碰撞代价的梯度引导。我们还提出了一种用于选择梯度引导起始步骤的动态方法。实验结果表明，动态地以碰撞代价之和引导扩散模型，能够通过克服竞争方法所面临的泛化问题，实现更稳健的性能。该提议模型在Mπ nets数据集中 diverse test settings下实现了最高性能。