Cet article aborde le problème de la planification de mouvements kinodynamiques, qui implique le calcul de trajectoires sans collision tout en respectant les contraintes dynamiques d'un robot. Les planificateurs basés sur l'échantillonnage (SBP) existants souffrent de vitesses d'exploration lentes en raison de l'échantillonnage aléatoire des actions, tandis que les planificateurs basés sur l'apprentissage souffrent de faibles performances de généralisation et de difficultés à garantir la sécurité. Dans cet article, nous présentons le cadre « Diffusion Tree (DiTree) », qui guide efficacement l'exploration de l'espace d'état des SBP en utilisant des politiques de diffusion (DP). DiTree combine un échantillonneur d'actions DP entraîné dans un environnement unique avec un planificateur RRT, offrant une solution sûre et efficace pour les systèmes dynamiques complexes. Les résultats expérimentaux montrent que DiTree est trois fois plus rapide que les SBP existants et améliore le taux de réussite d'environ 30 %.
