DIFF-IPPO: Diffusion-Based Informative Path Planning with Open-Vocabulary Belief Maps

📄 arXiv: 2606.16780v1 📥 PDF

作者: Sausar Karaf, Oleg Sautenkov, Mikhail Martynov, Dzmitry Tsetserukou

分类: cs.RO

发布日期: 2026-06-15

💡 一句话要点

提出DIFF-IPPO以解决非高斯信念图的路径规划问题

🎯 匹配领域: 支柱三：空间感知与语义 (Perception & Semantics) 支柱九：具身大模型 (Embodied Foundation Models)

关键词: 信息路径规划 扩散模型 信念图 多模态感知 无人机技术 搜索与救援 环境监测

📋 核心要点

  1. 现有的信息路径规划方法多依赖高斯过程信念模型，难以处理复杂的多模态信念图。
  2. DIFF-IPPO通过结合开放词汇信念图生成器与扩散规划器，优化了基于信念图的全局轨迹生成。
  3. 在模拟搜索与救援场景中，使用该方法的五架无人机在3.5分钟内首次检测到目标，表现出显著的效率提升。

📝 摘要（中文）

探索和物体搜索要求机器人感知环境、识别感兴趣区域，并规划轨迹以提高目标检测的可能性或最大化信息增益。现有的许多信息路径规划方法依赖于高斯过程信念模型，而物体搜索设置通常会产生复杂的多模态信念图。本文提出DIFF-IPPO，一个将开放词汇信念图生成器与基于扩散的规划器相结合的管道，用于在信念图上生成全局轨迹。该方法在不同数据集场景中实现了81.49%到86.55%之间的标准化检测分数，并在模拟搜索与救援场景中验证了系统的有效性。

🔬 方法详解

问题定义：本文旨在解决在复杂环境中，基于非高斯信念图进行全局轨迹生成的挑战。现有方法在处理多模态信念图时表现不足，限制了机器人在动态环境中的探索能力。

核心思路：DIFF-IPPO的核心思路是将开放词汇信念图生成与扩散过程结合，利用扩散模型的强大能力来生成聚焦于高信念区域的轨迹，从而提高目标检测的效率。

技术框架：该方法的整体架构包括信念图生成模块和扩散规划模块。信念图生成模块负责从环境感知数据中提取信息，而扩散规划模块则基于生成的信念图进行轨迹规划。

关键创新：DIFF-IPPO的创新在于首次将扩散模型应用于信息路径规划，能够有效处理非高斯信念图，显著提升了路径规划的灵活性和准确性。

关键设计：在设计中，采用了特定的损失函数以优化信念图的生成质量，并通过调整扩散过程的参数来平衡探索与利用的关系，确保生成的轨迹能够覆盖高信念区域。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

在实验中，DIFF-IPPO在不同数据集场景中实现了81.49%到86.55%的标准化检测分数。在模拟搜索与救援场景中，五架无人机使用该方法在3.5分钟内首次检测到目标，显示出显著的时间效率提升。

🎯 应用场景

该研究的潜在应用领域包括搜索与救援、环境监测和无人机巡逻等场景。通过提高机器人在复杂环境中的路径规划能力，DIFF-IPPO能够显著提升任务执行效率，具有重要的实际价值和广泛的应用前景。

📄 摘要（原文）

Exploration and object search require robots to perceive their environment, identify regions of interest, and plan trajectories that improve target-detection likelihood or maximize information gain. Many IPP methods, especially in continuous environmental monitoring, rely on Gaussian-process belief models, while object-search settings often produce complex, multimodal belief maps from semantic or open-vocabulary perception. Global trajectory generation directly conditioned on such non-Gaussian belief maps remains comparatively underexplored. Although diffusion-based planners offer strong capabilities for modeling such distributions, their use in informative path planning remains limited. In this work, we propose DIFF-IPPO, a pipeline that integrates an open-vocabulary belief map generator with a diffusion-based planner for global trajectory generation over belief maps. The method generates trajectories that concentrate sensor coverage over high-belief regions, achieving normalized detection scores between 81.49% and 86.55% across different dataset scenarios. We validate the system in a simulated search-and-rescue scenario where the planner searches candidate building regions to locate a burning building. In this setting, a team of five drones using batched belief-map-conditioned trajectory generation achieves first detections in 3.5 minutes.