本研究では、高次元で混雑した環境におけるロボットの経路計画を効率的、安全かつ順応可能に行うフレームワークを開発しました。従来の手法は計算時間が長く、多くのパラメータ調整を必要としますが、学習ベースの手法でも一般化能力が不十分です。本研究で提案するGADGET（Generalizable and Adaptive Diffusion-Guided Environment-aware Trajectory generation）は、ボクセル化したシーン表現に基づいて、関節空間の軌跡を生成する拡散ベースの計画モデルです。GADGETは、環境認識とリアルタイムの衝突回避を統合するハイブリッド二重調整メカニズムを特徴とし、未学習の環境やロボットにもゼロショットで転送可能です。実験結果では、球形障害物や棚環境で高い成功率を示し、CBFガイダンスにより安全性も向上しました。Franka PandaやKinova Gen3、UR5ロボット間の移行も実証され、Kinova Gen3での実行により現実の環境での安全な軌跡生成能力が確認されました。