幾何誘導トークン探索によるマスク付き生成運動計画

MGMP（Masked Generative Motion Planning）は、学習済みの軌道priorを並列生成だけでなく構造的修復にも拡張する生成型motion planning手法。masked generative transformerが離散的な軌道候補を並列生成し、Geometry-Guided Token Search（GGTS）がscene geometryを用いて編集箇所とpriorが支持する代替候補を選ぶ。これにより局所的な軌道変形を超えたroute-levelの再構成を可能にする。

従来の生成型plannerは学習priorを初期生成に用い、test-timeの修復は局所的な連続refinementに委ねていた。MGMPは修復を離散的なmotion代替候補の効率的探索に変え、局所変形を超えるroute-level再構成を実現。Ring Mazeで96%、KukaのControlled Route Invalidationで82%のrepair successを達成し、最強の外部baselineをそれぞれ23、25ポイント上回る。

masked generative transformerが離散軌道候補を並列生成する。Geometry-Guided Token Search（GGTS）がscene geometryを利用し、どこを編集するか、priorが支持するどの代替候補を評価するかを標的化する。これによりrefinementを離散motion代替候補の効率的探索へ変換する。

Ring Mazeで96% success、KukaのControlled Route Invalidationで82% repair successを達成し、最強の外部baselineをそれぞれ23、25ポイント上回った。さらに未見layout、追加障害物、未見geometry、single-armおよびdual-arm planning、実世界Baxterタスクへ汎化することを示した。

要旨からは不明。

要旨で参照/比較されている研究や関連手法は明示されていない。同分野の定番として、generative motion planning、masked generative transformer、trajectory prior、test-time refinement、Geometry-Guided Token Search（GGTS）に関連する研究が挙げられる。