シンボリック計画と連続的計画の同時実現を可能にするハイブリッド拡散

要旨: 長い時間軸をもつタスクを達成するためにロボットを構築することは、人工知能の分野における長年の課題である。生成的手法、特に拡散モデルを用いるアプローチは、計画と制御のために連続的なロボット軌道をモデル化できることから注目を集めている。だが本研究では、これらのモデルが、複雑な意思決定を含む長い時間軸のタスクにおいて困難を抱えること、また一般に、異なる行動モードを混同しやすく、その結果として失敗につながることを示す。これを解決するために、連続的な軌道生成を補強し、高レベルの記号的プランを同時に生成することを提案する。さらに、この目的には離散変数の拡散と連続拡散を新しい形で組み合わせることが必要であり、それにより基準モデル（ベースライン）を大幅に上回ることを示す。加えて、このハイブリッドな拡散プロセスによって、柔軟な軌道の合成が可能になり、合成された行動を部分的および完全な記号条件の両方に基づいて条件付けできることを実例で示す。