arXiv · AI· Kwanyoung Kim·· 1 天前AI 评分29
VaLoP：用于奖励引导扩散模型的价值梯度前瞻与回拉
VaLoP: Value Gradient Lookahead and Pullback for Reward-Guided Diffusion
AI 导读
VaLoP通过在未来采样步骤计算价值并回拉梯度，解决了高噪声状态下价值梯度估计不准确的问题。 该方法使用一次向量-雅可比积计算校正项，VaLoP-Fast通过小型头部摊销该成本。 在LIBERO和RoboCasa基准测试中，VaLoP-Fast实现了最高的机器人策略成功率。
来源：arXiv · AI · arxiv.org