งานวิจัยนี้นำเสนอ ODG-NoMaD ซึ่งเป็นส่วนขยายของ NoMaD ระบบนโยบายการนำทางด้วยภาพแบบดั้งเดิม โดยแก้ปัญหาการสำรวจแบบไร้ทิศทางในสภาพแวดล้อมที่หุ่นยนต์ไม่เคยเห็นมาก่อน ระบบใหม่นี้ใช้กล้องความลึกติดตั้งมุมสูง (Overhead Depth Camera) เพื่อสร้างแผนที่การครอบครองพื้นที่และวางแผนเส้นทางระดับโลก ซึ่งจะถูกนำมาคำนวณร่วมกับข้อมูลจากเซนเซอร์บนตัวหุ่นยนต์เพื่อกำหนดทิศทางที่ปลอดภัยจากการชน
จุดเด่นของ ODG-NoMaD คือการใช้เทคนิค Gradient Injection ในขั้นตอนการประมวลผล Diffusion Policy เพื่อปรับทิศทางการเคลื่อนที่ของหุ่นยนต์ตามแผนที่วางไว้ โดยไม่จำเป็นต้องนำโมเดลไปฝึกฝนใหม่ (Retraining) ผลการทดสอบในสภาพแวดล้อมจำลองพบว่าระบบสามารถลดระยะทางที่เหลือไปยังเป้าหมายได้ดีกว่าการสำรวจแบบไม่มีตัวช่วย และเป็นระบบเดียวที่สามารถทำงานได้โดยไม่เกิดการชนเลยในการทดสอบทุกครั้ง
