PPR-2406.05309
Paper
CoBL-Diffusion: Diffusion-Based Conditional Robot Planning in Dynamic Environments Using Control Barrier and Lyapunov Functions
| id | |
|---|---|
| updated | |
| type | paper |
| title | CoBL-Diffusion: Diffusion-Based Conditional Robot Planning in Dynamic Environments Using Control Barrier and Lyapunov Functions |
| authors | Kazuki Mizuta, Karen Leung |
| venue | IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS) 2024 |
| arxiv | 2406.05309 |
| tier | 0 |
| lifecycle | EXTRACTED |
| epistemic | n/a |
| ingested | 2026-09-09 |
| version | arXiv:2406.05309v2 |
| source-hash | sha256:2c205239fa0aaf4492f9af7b0e61e8bb2cc01f0e1357dbcd69abfe697427a1b9 |
| admitted-under | A2-direct-edge |
| admission-note | G2DP related work 引用（Mizuta & Leung 2024）：SYN-003 支 3『安全硬约束支（稀疏确定性原语）』——与 SafeFlow 同支，是 G2DP『稠密 vs 稀疏』论证的对照面。 |
定位
Mizuta 与 Leung（IROS 2024）提出的 CoBL-Diffusion。问题设定：让自主机器人在动态多智能体环境中安全高效地导航，需要在生成机器人计划时保证安全。本文接续“用深度生成模型做机器人规划”的工作，提出一个面向动态环境的扩散安全规划器：用控制障碍函数（Control Barrier Functions, CBF）与 Lyapunov 函数引导扩散模型的去噪过程，迭代精修机器人的控制序列，使其满足安全（避障）与稳定性约束。论文在两个设定上验证：合成的单智能体环境与真实行人数据集；报告能生成平滑轨迹，使机器人到达目标同时保持与动态障碍的低碰撞率。
方法（机制要点）
- CBF + Lyapunov 引导去噪：安全与稳定约束作为引导信号注入扩散采样，迭代精修控制序列。
- 动态多智能体：面向动态障碍/行人，而非静态场景。
- 条件扩散规划器：在扩散生成框架内做条件化安全规划。
与 G2DP 的关系
G2DP（PPR-2606.26017）related work 把 CoBL-Diffusion 与 SafeFlow 同归为“用控制障碍函数强制安全”的一类。SYN-003 支 3（安全硬约束支）把这一支定位为 G2DP“稠密 vs 稀疏引导模态”论证的稀疏确定性原语对照面：CBF 类引导是稀疏的、梯度远离障碍即消失，滤掉空间不确定性；G2DP 的稠密概率占据场引导正是为补这一点。与 SafeFlow（PPR-2504.08661）同支。
承重关系
关联（4）
- PPR-2504.08661 SafeFlow: Safe Robot Motion Planning with Flow Matching via Control Barrier Functions
- PPR-2606.26017 G2DP: Diffusion Planning with Spatio-Temporal Grid Guidance
- CLM-025 同一 diffusion 骨干下，稠密概率性 cost 网格引导促成平滑、预见性的避障；稀疏实例级引导即使供给 oracle 邻车轨迹仍诱发末期突变机动并损害舒适度——避障行为质量由引导信息形态决定。
- SYN-003 G2DP 引导谱系四支合成：机制（classifier guidance→CFG→DPS）、扩散规划（Diffuser→MotionDiffuser→Diffusion Planner→FlowPlanner/pSTL/CTG）、安全硬约束（CBF 系）、稠密网格（HYPE/TPP/NaviDiffusor）；G2DP 立四支交点——把『稠密分布性网格』放到『可微+时空+入去噪循环』。