최근 연구에 따르면, 확산 계획자는 단일 단계 계획보다 희소 단계 계획에서 이점을 얻습니다. 궤적에서 단계를 건너뛰도록 모델을 훈련하면 추가적인 계산 비용이나 메모리 비용 없이 장기적인 종속성을 포착할 수 있습니다. 그러나 지나치게 희소한 계획을 예측하면 성능이 저하됩니다. 본 논문에서는 이러한 시간적 밀도 임계값이 시간적 지평선 전체에서 균일하지 않으며, 계획된 궤적의 특정 부분은 더 조밀하게 계획되어야 한다고 가정합니다. 본 논문에서는 수평선 전체의 밀도가 조정 가능한 하이퍼파라미터인 확산 계획자, Mixed-Density Diffuser (MDD)를 제안합니다. MDD가 Maze2D, Franka Kitchen 및 Antmaze D4RL 작업 도메인에서 새로운 SOTA를 달성했음을 보여줍니다.
