差動駆動型モバイルマニピュレータの軌道生成を効率化するための、プリミティブに基づく打ち切り拡散

要旨: 差動二輪駆動のモバイルマニピュレータ向けに、効率・成功率・最適性を向上させる学習強化型のモーションプランナーを提案します。タスク表現エンコーダとして、微分可能な順運動学を介して境界状態を3次元空間へ写像するキーポイント系列抽出モジュールを提案します。点群とキーポイントは別々にエンコードし、注意（attention）で融合することで、環境情報と境界状態情報を効果的に統合できるようにします。さらに、バイアスのかかった分布からサンプリングする、プリミティブ（原始）ベースの打ち切り拡散モデルも提案します。この枠組みは、従来のバニラ拡散モデルと比較して、解の効率と多様性を向上させます。ノイズ除去された経路は、動的実現可能性とタスク固有の最適性を保証するために軌道最適化で洗練します。入り組んだ3次元シミュレーションにおいて、本手法はバニラ拡散および古典的なベースラインと比べて、より高い成功率、改善された軌道多様性、競争力のある実行時間を達成します。ソースコードは https://github.com/nmoma/nmoma で公開されています。