自律UAVナビゲーションは従来、知覚、マッピング、プランニングを別々の段階に分離するパイプラインで解決されてきた。このアプローチはエラーを伝播させ、遅延を蓄積し、環境ごとの再調整を必要とする。エンドツーエンドの生成モデルはこれらのインターフェースを排除し、生の観測を直接軌道にマッピングするが、微妙な失敗モードを継承する。クリーンなデータで訓練されたモデルは、観測が信頼できない場合を認識できず、ガラス、鏡、露出過剰な表面などの劣化領域をプランニングの有効な証拠として扱ってしまう。
この問題に対処するため、Ivan Valuevらは3D UAVナビゲーションのための信頼性認識拡散プランナを提案する。この手法は、軌道生成を観測とともに、知覚が信頼できない場所を示すシーンレベルの信頼性ヒートマップに条件付ける。このヒートマップは、リアルタイムのプランニング予算内で視覚言語モデルのオープンボキャブラリ推論を蒸留した軽量ネットワークによって生成される。これにより、プランナは誤った深度や視覚情報を生む可能性のある領域を積極的に回避できる。
未見の環境に再訓練なしで汎化するために、著者らは微分可能な2段階ESDFコストで去噪過程を誘導する。このコスト関数は、深度から得られる物理的障害物と、信頼性の低い領域から得られる仮想障害物を平等に扱い、軌道生成において実際の障害物と知覚の不確実性の両方を考慮する。
シミュレーションと実機四輪飛行体での実験は、このプランナが最先端の拡散ベースラインよりも著しく安全な軌道を生成することを示した。具体的には、障害物違反率を40.3%から9.6%に低減し、通過領域の平均信頼性を0.588から0.925に向上させた。アブレーション研究では、信頼性項を除くだけで平均信頼性が0.898から0.783に低下し、信頼性項が決定的なコンポーネントであることが確認された。さらに、蒸留によりフレームワークは完全な視覚言語モデルより最大2倍高速に動作し、リアルタイムプランニングの要件を満たす。