論文の概要: Hybrid Diffusion for Simultaneous Symbolic and Continuous Planning

• arxiv url: http://arxiv.org/abs/2509.21983v1
• Date: Fri, 26 Sep 2025 07:06:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-29 20:57:54.259778
• Title: Hybrid Diffusion for Simultaneous Symbolic and Continuous Planning
• Title（参考訳）: 共生・連続計画のためのハイブリッド拡散
• Authors: Sigmund Hennum Høeg, Aksel Vaaler, Chaoqi Liu, Olav Egeland, Yilun Du,
• Abstract要約: 拡散モデルが複雑な意思決定を伴う長期的タスクに苦しむことを示す。 本稿では,高レベルなシンボルプランを同時に生成することで連続軌道生成を向上することを提案する。 これは、離散変数拡散と連続拡散の新たな混合を必要とし、ベースラインを劇的に上回ることを示す。
• 参考スコア（独自算出の注目度）: 37.27269067365499
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Constructing robots to accomplish long-horizon tasks is a long-standing challenge within artificial intelligence. Approaches using generative methods, particularly Diffusion Models, have gained attention due to their ability to model continuous robotic trajectories for planning and control. However, we show that these models struggle with long-horizon tasks that involve complex decision-making and, in general, are prone to confusing different modes of behavior, leading to failure. To remedy this, we propose to augment continuous trajectory generation by simultaneously generating a high-level symbolic plan. We show that this requires a novel mix of discrete variable diffusion and continuous diffusion, which dramatically outperforms the baselines. In addition, we illustrate how this hybrid diffusion process enables flexible trajectory synthesis, allowing us to condition synthesized actions on partial and complete symbolic conditions.
• Abstract（参考訳）: 長期的な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たアプローチは、計画と制御のために連続的なロボット軌道をモデル化する能力から注目されている。 しかし、これらのモデルは、複雑な意思決定を伴う長期的タスクに苦しむことを示し、一般的には、様々な行動様式を混乱させ、失敗に繋がる傾向がある。 これを改善するために,高レベルなシンボルプランを同時に生成することで連続軌道生成を増強することを提案する。 これは、離散変数拡散と連続拡散の新たな混合を必要とし、ベースラインを劇的に上回ることを示す。 さらに, このハイブリッド拡散法により, フレキシブルな軌道合成が可能となり, 部分的および完全的記号条件下での合成動作の条件付けが可能となった。

関連論文リスト

• Simultaneous Multi-Robot Motion Planning with Projected Diffusion Models [57.45019514036948]
  MRMP拡散(MRMP Diffusion, SMD)は, 制約付き最適化を拡散サンプリングプロセスに統合し, 衝突のない, キネマティックに実現可能な軌道を生成する新しい手法である。 本稿では, ロボット密度, 障害物の複雑度, 動作制約の異なるシナリオ間の軌道計画アルゴリズムを評価するための総合的MRMPベンチマークを提案する。
  論文  参考訳（メタデータ） (2025-02-05T20:51:28Z)
• VAE-Loco: Versatile Quadruped Locomotion by Learning a Disentangled Gait Representation [78.92147339883137]
  本研究では,特定の歩行を構成する主要姿勢位相を捕捉する潜在空間を学習することにより,制御器のロバスト性を高めることが重要であることを示す。 本研究では,ドライブ信号マップの特定の特性が,歩幅,歩幅,立位などの歩行パラメータに直接関係していることを示す。 生成モデルを使用することで、障害の検出と緩和が容易になり、汎用的で堅牢な計画フレームワークを提供する。
  論文  参考訳（メタデータ） (2022-05-02T19:49:53Z)
• Next Steps: Learning a Disentangled Gait Representation for Versatile Quadruped Locomotion [69.87112582900363]
  現在のプランナーは、ロボットが動いている間、キー歩行パラメータを連続的に変更することはできない。 本研究では、特定の歩行を構成する重要な姿勢位相を捉える潜在空間を学習することにより、この制限に対処する。 本研究では, 歩幅, 歩幅, 立位など, 歩行パラメータに直接対応した駆動信号マップの具体的特性を示す。
  論文  参考訳（メタデータ） (2021-12-09T10:02:02Z)
• Symbolic Music Generation with Diffusion Models [4.817429789586127]
  本論文では,前訓練された可変オートエンコーダの連続潜空間における離散領域をパラメータ化することにより,連続データに対する拡散モデルを訓練する手法を提案する。 同じ連続埋め込み上で動作する自己回帰型言語モデルと比較して,強い無条件生成とポストホック条件付インフィル結果を示す。
  論文  参考訳（メタデータ） (2021-03-30T05:48:05Z)
• Haar Wavelet based Block Autoregressive Flows for Trajectories [129.37479472754083]
  歩行者等の軌道予測は,自律型エージェントの性能向上に不可欠である。 本稿では分割結合を利用した新しいハールウェーブレットに基づくブロック自己回帰モデルを提案する。 実世界の2つのデータセット上で、多種多様な正確な軌跡を生成するアプローチの利点について説明する。
  論文  参考訳（メタデータ） (2020-09-21T13:57:10Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。