この論文は、ロボットの動力学的制約を遵守しながら衝突のない軌跡を計算する動力学的運動計画の問題を扱います。従来のサンプリングベースのプランジャ（SBP）は、行動伝播を介してナビゲーションツリーを構築してロボットの高次元状態空間をナビゲートしますが、ランダムサンプリングのためにナビゲーションが遅くなります。学習ベースのアプローチはより速い実行時間を提供しますが、分布外（OOD）シナリオでは一般化されず、安全性などの重要な保証はありません。この論文では、拡散ポリシー（DP）を情報化されたサンプラーとして活用し、SBP内の状態空間探索を効率的に導く検証可能な一般化フレームワークであるDiFusion Tree（DiTree）を紹介します。 DiTreeは、局所観測値に基づいて専門家の軌跡の複雑な分布をモデル化するDPの能力とSBPの完全性を組み合わせて、複雑なダイナミクスシステムに対して数回の行動伝播反復内で検証可能に安全なソリューションを作成します。 RRTプランナーと単一の環境で訓練されたDP行動サンプラーを組み合わせた実装を通じて、DiTreeのパフォーマンスを実証します。 OODシナリオの包括的な評価では、DiTreeは動的自動車やMujocoのアリロボット設定でスタンドアロンDPまたはSBPと比較して平均30％高い成功率を達成します（後者の場合、SBPは完全に失敗しました）。シミュレーションを超えて、実際の自動車実験は、深刻なシミュレーション - 実際の間隔でも優れた軌道品質と堅牢性を示し、DiTreeの適用性を確認します。
