DiPPeST: Diffusion-based Path Planner for Synthesizing Trajectories Applied on Quadruped Robots

我们提出了DiPPeST，一种新颖的基于扩散的图像和目标条件下的四足机器人轨迹生成器，用于路径规划。DiPPeST是我们之前介绍的基于扩散的二维全局轨迹生成器（DiPPeR）的零样本适应。该系统采用了一种新颖的策略，用于局部实时路径细化，对摄像头输入做出反应，无需任何进一步的训练、图像处理或环境解释技术。DiPPeST在标准环境下的障碍物避免率达到92％，在比DiPPeR复杂3.5倍的环境中，平均成功率为88％。开发了一个视觉伺服框架，以允许在实际世界中执行，在不同环境中取得了80％的成功率，并展示了比复杂的最新局部规划器更好的行为，特别是在狭窄的环境中。

DiPPeST旨在解决四足机器人路径规划中的障碍物避免问题，并且提供一种实时路径细化的策略，以提高机器人在复杂环境中的表现。

DiPPeST是一种基于扩散的路径规划生成器，它结合了图像和目标条件，可以实时反应摄像头输入，而无需额外的训练、图像处理或环境解释技术。

DiPPeST在标准环境下实现了92%的障碍物避免成功率，在比DiPPeR复杂3.5倍的环境中，平均成功率为88%。该研究还开发了一个视觉伺服框架，可以在四足机器人上进行实际执行，并在不同环境中实现了80%的成功率。

最近的相关研究包括基于深度学习的路径规划、基于图形学的路径规划和基于遗传算法的路径规划等。