Диффузионные решатели непрерывных ограничений на основе композиции
Compositional Diffusion-Based Continuous Constraint Solvers
September 2, 2023
Авторы: Zhutian Yang, Jiayuan Mao, Yilun Du, Jiajun Wu, Joshua B. Tenenbaum, Tomás Lozano-Pérez, Leslie Pack Kaelbling
cs.AI
Аннотация
В данной статье представлен подход к обучению решению задач непрерывного удовлетворения ограничений (CCSP) в роботизированных рассуждениях и планировании. Предыдущие методы в основном полагаются на ручное проектирование или обучение генераторов для конкретных типов ограничений с последующим отклонением назначений значений при нарушении других ограничений. В отличие от этого, наша модель, композиционный решатель непрерывных ограничений на основе диффузии (Diffusion-CCSP), выводит глобальные решения для CCSP, представляя их в виде факторных графов и комбинируя энергии моделей диффузии, обученных для выборки для отдельных типов ограничений. Diffusion-CCSP демонстрирует сильную обобщаемость для новых комбинаций известных ограничений и может быть интегрирован в планировщик задач и движений для разработки долгосрочных планов, включающих действия как с дискретными, так и с непрерывными параметрами. Сайт проекта: 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/