拡散モデルによる動作計画に「生存可能性フィルタ」を提案 転倒や衝突を回避

何が起きたか

arXivに2025年2月26日付で公開された論文「Diffusion-based Planning with Learned Viability Filters」において、研究チームは拡散モデルによる動作計画に学習型の生存可能性フィルタを導入する手法を提案した。この手法は、拡散モデルが生成する将来の可能性の分布からサンプリングする際に、訓練データに暗黙にしか存在しないハード制約（転倒回避や壁との衝突回避など）を満たす計画のみを選択する。提案手法は、ボックス登攀、壁の乗り越え、障害物回避などの困難な3D人間移動タスクにおける詳細な足踏み計画で有効性を示し、ガイダンスベースの拡散予測よりも大幅に高速であるとしている。

詳細

拡散モデルは、可能な将来の分布からサンプリングすることで動作プランナーとして利用できる。しかし、サンプルが訓練データに暗黙にしか存在しないハード制約を満たさない場合がある。例えば、転倒を避ける、壁に衝突しないといった制約である。提案手法では、任意の計画（拡散サンプル）の将来の成功を効率的に予測する学習型の生存可能性フィルタを導入し、暗黙の将来成功制約を課す。複数の生存可能性フィルタを合成することも可能である。 研究チームは、ボックス登攀、壁の乗り越え、障害物回避などの困難な3D人間移動タスクにおける詳細な足踏み計画にアプローチを適用し、生存可能性フィルタがオンライン計画と制御に有効であることを示した。さらに、生存可能性フィルタを使用する方が、ガイダンスベースの拡散予測よりも大幅に高速であると報告している。

Key Facts

なぜ重要か

この研究は、拡散モデルベースの動作計画において、暗黙の制約を扱うための新しい手法を提案するものである。生存可能性フィルタにより、転倒や衝突などのリスクを回避しながら計画を生成できる可能性があり、ロボットの移動計画や制御の分野に貢献すると考えられる。また、ガイダンスベースの手法よりも高速である点は、オンライン計画への応用に有用である。