跳到正文
arXiv · ML· Hokyun Im, Andrey Kolobov, Jianlong Fu, Youngwoon Lee·· 21 天前AI 评分30

通过单步 Flow 策略实现潜在策略导向

Latent Policy Steering through One-Step Flow Policies

AI 导读

LPS 通过通过可微单步 MeanFlow 策略反向传播原始动作空间 Q 梯度来更新潜在动作空间 actor。 该方法摒弃代理潜在 critic,利用原始动作空间 critic 引导端到端优化,MeanFlow 策略作为行为约束生成先验。 在 OGBench 和真实机器人任务中,LPS 取得 SOTA 性能,优于行为克隆及潜在导向基线。

来源:arXiv · ML · arxiv.org