本研究は、高速での安全なロボットナビゲーションを実現するためのアプローチを提案しています。従来の手法の制約として、明示的なマッピングによる計算ボトルネックやセンサー技術の限られた視野が挙げられます。著者たちは、ロボットがセンサーの範囲を超えた空間を予測できるアルゴリズムを研究し、高速でもロバストなプランニングを可能にします。具体的には、リアルデータを用いて人手によるラベル付けなしで訓練された生成的ニューラルネットワークを利用しています。また、予測空間を活用して、衝突のないプランニングとナビゲーションを改善するために、既存の制御アルゴリズムを拡張しています。実験はMITのレースカーに基づいた物理ロボットで行われ、予測されたマップ領域を使用しない場合に比べて、時速4mでのパフォーマンス向上が確認されました。