본 논문에서는 로봇 모션 플래닝을 위한 새로운 확산 기반 액션 모델을 제안합니다. 기존의 수치적 플래닝 접근 방식은 일반적인 모션 플래닝 문제를 해결하는 데 사용되지만, 상당한 실행 시간이 필요합니다. 딥러닝을 활용하여 기존 플래너로 생성된 데이터셋으로부터 학습함으로써 훨씬 짧은 실행 시간 내에 좋은 결과를 얻을 수 있습니다. 초기 모델은 입력으로 포인트 클라우드 임베딩을 사용하여 출력으로 키포인트 기반 조인트 시퀀스를 예측하지만, ablation study를 통해 포인트 클라우드 임베딩을 네트워크에 조건화하는 것이 어렵다는 것을 확인했습니다. 데이터셋의 일부 편향을 식별하고 개선하여 모델 성능을 향상시켰습니다. 포인트 클라우드 인코딩을 사용하지 않더라도, 본 모델은 실행 시간 측면에서 수치적 모델보다 10배 이상 우수한 성능을 보이며, 테스트 세트에서 최대 90%의 충돌 없는 솔루션 성공률에 도달합니다.
