본 논문은 생성 모델을 이용한 로봇 조작을 위한 새로운 경로 계획 방법을 제시합니다. 기존 생성 모델 기반 경로 계획 방법은 훈련 데이터셋에 완전한 경로가 존재하지 않는 경우 성능이 저조한데, 이는 경로들을 연결(stitching)하여 계획할 수 없기 때문입니다. 본 논문에서는 이러한 문제를 해결하기 위해 모델 아키텍처와 데이터셋 구성을 개선하고, 훈련 및 추론 과정을 개선하는 새로운 방법을 제안합니다. 시뮬레이션과 실제 Franka Panda 로봇을 이용한 실험을 통해 제안된 방법의 효과를 검증하고, 기존 방법보다 월등한 성능(최대 4배 큰 장애물 회피)을 보임을 보여줍니다. 특히, 분포 밖(out-of-distribution) 경계 조건을 갖는 계획 생성과 장애물 회피 작업에서 우수한 성능을 나타냅니다.
