Solucionadores de Restricciones Continuas Basados en Difusión Composicional

Compositional Diffusion-Based Continuous Constraint Solvers

September 2, 2023

Autores: Zhutian Yang, Jiayuan Mao, Yilun Du, Jiajun Wu, Joshua B. Tenenbaum, Tomás Lozano-Pérez, Leslie Pack Kaelbling

cs.AI

Resumen

Este artículo presenta un enfoque para aprender a resolver problemas de satisfacción de restricciones continuas (CCSP, por sus siglas en inglés) en el razonamiento y planificación robótica. Los métodos anteriores se basan principalmente en la ingeniería manual o en el aprendizaje de generadores para tipos específicos de restricciones, descartando luego las asignaciones de valores cuando se violan otras restricciones. En contraste, nuestro modelo, el solucionador de restricciones continuas con difusión composicional (Diffusion-CCSP), obtiene soluciones globales para los CCSP representándolos como grafos de factores y combinando las energías de modelos de difusión entrenados para muestrear tipos individuales de restricciones. Diffusion-CCSP muestra una fuerte generalización a combinaciones novedosas de restricciones conocidas y puede integrarse en un planificador de tareas y movimiento para diseñar planes a largo plazo que incluyen acciones con parámetros tanto discretos como continuos. Sitio del proyecto: https://diffusion-ccsp.github.io/

English

This paper introduces an approach for learning to solve continuous constraint satisfaction problems (CCSP) in robotic reasoning and planning. Previous methods primarily rely on hand-engineering or learning generators for specific constraint types and then rejecting the value assignments when other constraints are violated. By contrast, our model, the compositional diffusion continuous constraint solver (Diffusion-CCSP) derives global solutions to CCSPs by representing them as factor graphs and combining the energies of diffusion models trained to sample for individual constraint types. Diffusion-CCSP exhibits strong generalization to novel combinations of known constraints, and it can be integrated into a task and motion planner to devise long-horizon plans that include actions with both discrete and continuous parameters. Project site: https://diffusion-ccsp.github.io/