arXiv cs.MA· Yuhao Zhang, Keisuke Okumura, Ajay Shankar, Amanda Prorok·· 10 小时前AI 评分31
基于 D4orm 扩散去噪框架的多机器人轨迹规划架构
Denoising Multirobot Trajectories
AI 导读
研究基于动力学感知的扩散去噪框架 D4orm，构建了面向不同场景的规划器家族：解耦规划器提升可扩展性、带反馈控制的在线滚动时域规划器，以及面向资源受限环境的分布式规划器。
正文 · AI 翻译
摘要：多机器人轨迹规划是多机器人协调中的一个基本问题，但由于其非凸、多模态和高维的特性，在计算上仍然具有挑战性。本工作基于 D4orm——一个动力学感知的扩散去噪框架——并针对多样化的操作需求开发了一系列规划架构。与传统的数值优化方法不同，D4orm 采用基于采样的优化，通过大规模并行采样生成解轨迹，并利用 GPU 等现代计算架构。其扩散去噪结构迭代地优化候选控制轨迹的变形，为生成运动动力学可行且无冲突的轨迹提供了一种高效且通用的范式。以 D4orm 作为高级规划器的构建模块，我们提出了一种解耦规划器以提高可扩展性、一种带反馈控制的在线滚动时域规划器，以及一种适用于资源受限环境的分布式规划器。在 2D 和 3D 环境中对差速驱动和全向机器人进行的评估表明，基于 D4orm 的方法比其他基于采样的优化方法（如 MPPI）以及一种基于学习扩散模型的方法更快、更可靠地找到高质量解。我们进一步展示了在十架真实四旋翼飞行器上带障碍物的零样本部署、100 个仿真机器人的大规模去冲突，以及六台地面机器人的完全机载分布式“终身”运行。总体而言，这些结果确立了扩散去噪作为多机器人协调的可扩展且可靠的框架。代码和视频：此 https URL
| 评论： | 已被 IEEE Transactions on Robotics (T-RO) 2026 接收 |
| 主题： | 机器人学 (cs.RO)；多智能体系统 (cs.MA) |
| 引用为： | arXiv:2609.35651 [cs.RO] |
| （或 arXiv:2609.35651v2 [cs.RO] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2609.35651 由 DataCite 颁发的 arXiv DOI |
|
| 期刊 参考： | IEEE Trans. Robot. 42, 2026, 4099-4118 |
| 相关 DOI： | https://doi.org/10.1109/TRO.2026.3742231
链接到相关资源的 DOI |
提交历史
来自：Yuhao Zhang [查看电子邮件]
[v1]
2026 年 9 月 28 日星期一 17:18:58 UTC (8,408 KB)
[v2]
2026 年 10 月 30 日星期五 15:13:03 UTC (8,408 KB)
来源：arXiv cs.MA · arxiv.org