Solveurs de contraintes continus basés sur la diffusion compositionnelle
Compositional Diffusion-Based Continuous Constraint Solvers
September 2, 2023
Auteurs: Zhutian Yang, Jiayuan Mao, Yilun Du, Jiajun Wu, Joshua B. Tenenbaum, Tomás Lozano-Pérez, Leslie Pack Kaelbling
cs.AI
Résumé
Cet article présente une approche pour apprendre à résoudre des problèmes de satisfaction de contraintes continues (CCSP) dans le raisonnement et la planification robotiques. Les méthodes précédentes reposent principalement sur l'ingénierie manuelle ou sur l'apprentissage de générateurs pour des types de contraintes spécifiques, puis rejettent les affectations de valeurs lorsque d'autres contraintes sont violées. En revanche, notre modèle, le solveur de contraintes continues par diffusion compositionnelle (Diffusion-CCSP), dérive des solutions globales aux CCSP en les représentant sous forme de graphes factoriels et en combinant les énergies de modèles de diffusion entraînés pour échantillonner des types de contraintes individuels. Diffusion-CCSP démontre une forte généralisation à de nouvelles combinaisons de contraintes connues, et il peut être intégré dans un planificateur de tâches et de mouvements pour concevoir des plans à long horizon incluant des actions avec des paramètres à la fois discrets et continus. Site du projet : 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/