본 논문은 생성 모델을 이용한 로봇 경로 계획에 대한 연구를 다룬다. 기존 생성 모델 기반 경로 계획 방법들은 훈련 데이터셋에 존재하지 않는 완전한 경로를 필요로 하는 경우 성능이 저조하다는 한계를 지닌다. 본 논문은 이러한 문제가 경로 조각 연결(stitching)을 통한 계획 능력 부족에서 기인한다는 점을 밝히고, 이를 해결하기 위한 모델 구조 및 데이터셋 구성 방식을 제시한다. 또한, 훈련 및 추론 과정을 개선하여 모델의 안정성과 성능을 향상시키는 새로운 방법을 제안한다. 실험 결과, 제안된 방법은 분포 외 경계 조건을 갖는 계획 생성 및 장애물 회피 작업에서 기존 방법들보다 월등한 성능을 보이며, 최대 4배 큰 장애물을 회피할 수 있음을 보여준다. 시뮬레이션과 실제 프랑카 판다 로봇을 이용한 실험을 통해 성능을 검증하였다.
