본 논문은 로봇의 동역학적 제약을 준수하면서 충돌 없는 궤적을 계산하는 동역학적 운동 계획(Kinodynamic motion planning) 문제를 다룹니다. 기존의 샘플링 기반 기획자(SBPs)는 무작위적인 액션 샘플링으로 인해 탐색 속도가 느린 한계를 가지고 있으며, 학습 기반 기획자는 일반화 성능이 부족하고 안전성 보장이 어렵다는 단점이 있습니다. 본 논문에서는 확산 정책(DPs)을 활용하여 SBPs의 상태 공간 탐색을 효율적으로 안내하는 "확산 트리(DiTree)" 프레임워크를 제시합니다. DiTree는 단일 환경에서 훈련된 DP 액션 샘플러를 RRT 기획자와 결합하여, 복잡한 동역학 시스템에 대해 안전하고 효율적인 솔루션을 제공합니다. 실험 결과, DiTree는 기존 SBP보다 3배 빠르고 성공률을 약 30% 향상시키는 것으로 나타났습니다.
