arXiv cs.AI· Lipeng Zhuang, Yingdong Ru, Shiyu Fan, Edmond S. L. Ho, Gerardo Aragon Camarasa, Paul Henderson·· 9 天前AI 评分22
MGMP：几何引导 Token 搜索的掩码生成式运动规划
Masked Generative Motion Planning with Geometry-Guided Token Search
AI 导读
研究者提出掩码生成式运动规划（MGMP），用掩码生成式 Transformer 并行生成离散轨迹候选，并由 Geometry-Guided Token Search（GGTS）依据场景几何决定编辑位置与候选方案，将测试时修复转为离散运动搜索，实现超越局部形变的路线级重构。
正文 · AI 翻译
摘要：生成式运动规划器通常使用学习到的轨迹先验进行初始生成，而将测试时的修复留给局部连续细化。我们提出了掩码生成运动规划（MGMP），它将学习到的先验从高效的并行生成扩展到结构修复。掩码生成式 Transformer 并行生成离散轨迹候选，而几何引导令牌搜索（GGTS）利用场景几何来确定编辑位置以及评估哪些先验支持的替代方案。这将细化转变为对离散运动替代方案的高效搜索，从而实现超越局部轨迹变形的路线级重构。MGMP 在 Ring Maze 上达到 96% 的成功率，在 Kuka 上的 Controlled Route Invalidation 上达到 82% 的修复成功率，分别超过最强的外部基线 23 和 25 个百分点。它进一步泛化到未见过的布局、额外障碍物、未见过的几何形状、单臂和双臂规划以及真实世界的 Baxter 任务。
| 主题： | 机器人学（cs.RO）；人工智能（cs.AI） |
| 引用为： | arXiv:2610.10646 [cs.RO] |
| （或 arXiv:2610.10646v1 [cs.RO] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.10646 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Lipeng Zhuang [查看电子邮件]
[v1]
2026年10月7日星期三 15:19:54 UTC（24,430 KB）
来源：arXiv cs.AI · arxiv.org