日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

拡散計画arXiv:2611.24375

情報誘導拡散計画による物体探索

SearchDiffusion: Information-Guided Diffusion Planning for Object Search

シェア:XThreadsFacebookLINEはてブBluesky

学習した密な効用マップを条件に拡散モデルで位置・方位軌道を生成し、未知環境での物体探索を実現する計画手法を提案。シミュレーションで95.6%の検出率、実機四足ロボットでも成功を確認。

詳しい要約

1. どんなもの?

- 未知環境での object search のための diffusion-based planner - 位置と heading の trajectory を生成 - 学習された dense utility map を利用 - utility map は3要素を表現 - geometric accessibility - useful visibility - semantic progress - 部分的観測可能性(partial observability)下での探索を対象

2. 先行研究と比べてどこがすごい?

- 先行研究との具体的比較は要旨からは不明 - 主張される特徴 - 学習された spatial utility と guided trajectory generation の組み合わせ - utility map を trajectory 生成の条件付けと sampling guidance の目的関数の両方に使用 - 実機 quadruped で real-robot data への fine-tuning なしに動作

3. 技術・手法の肝は?

- diffusion-based planner による trajectory 生成 - learned dense utility map が鍵 - geometric accessibility, useful visibility, semantic progress を表現 - trajectory 生成の条件付けに使用 - sampling guidance の objective を提供 - sampled map hypotheses で追加の geometric context を供給 - geometric および heading guidance、validity checks、analytical selection で実行を支援

4. どうやって有効だと検証した?

- シミュレーション - 24 map layouts 上の 90 tasks - 95.6% target detection(計算コストは増大) - Ablation - utility と guidance の相補的効果を確認 - runtime map hypotheses による detection 改善は限定的 - 実機 - quadruped による 10 trials、OneMap relevance maps を使用 - operator assessment で 8 件成功 - real-robot data での fine-tuning なし

5. 議論はある?

- 計算コストの増大が明示されている - runtime map hypotheses の追加 detection 効果は限定的と報告 - utility と guidance の相補性を ablation で議論 - partial observability 下での learned spatial utility と guided trajectory generation の組み合わせを支持 - 限界や失敗要因の詳細は要旨からは不明

6. 次に読むべき論文は?

- 要旨で参照・比較されている研究は明示されていない - 関連手法として次を検討 - diffusion-based planning の先行研究 - object search における utility map / semantic map を用いた探索 - OneMap relevance maps - partial observability 下の informative planning

※ AIが要旨から生成した要約です。正確性は原文をご確認ください。

著者: Sausar Karaf, Dmitrii Plotnikov, Alexey Kotcov, Dzmitry Tsetserukou

分類: cs.RO

原文アブストラクト

Object search in unknown environments requires robots to gather useful observations while avoiding obstacles and accounting for limited sensor visibility. We present SearchDiffusion, a diffusion-based planner that generates position and heading trajectories using a learned dense utility map. The map represents geometric accessibility, useful visibility, and semantic progress. It conditions trajectory generation and provides an objective for sampling guidance. Sampled map hypotheses provide additional geometric context, while geometric and heading guidance, validity checks, and analytical selection support execution. Across 90 simulated tasks on 24 map layouts, SearchDiffusion achieved 95.6\% target detection at greater computational cost. Ablations show complementary benefits from utility and guidance, with limited additional detection benefit from runtime map hypotheses. In ten physical quadruped trials using OneMap relevance maps, eight were successful under operator assessment, without fine-tuning on real-robot data. These results support combining learned spatial utility with guided trajectory generation for object search under partial observability.

関連論文

  1. 1パナソニックHDなど、触覚に即応する両手作業AI「T-Rex」を共同開発研究・技術
  2. 2GXOとApptronik、Apolloの物流現場試験を拡大 最大1,000台の展開を構想量産・展開
  3. 3日経クロステック、NVIDIA取締役会のファンCEO解任議論を報道 同社は同日、辞任を発表業界動向
  4. 4NVIDIA、ヒトの動きをロボットに適応する「SOMA Retargeter」を紹介研究・技術
  5. 5ティアフォーとTUM、Autowareでミュンヘン大型路線バスの自動運転開発を支援提携・買収

PR・アフィリエイト広告

MINISFORUM(ミニPC)

MINISFORUM(ミニPC)の公式広告バナーMINISFORUM公式ストアを見る ↗
PR本紙発行元 EmplifAI