arXiv · ML· Ruyi An, Mingyuan Zhou·· 10 天前AI 评分25
DPDP: 扩散策略引导的离线强化学习扩散规划器
DPDP: Diffusion Policy-Steered Diffusion Planner for Offline Reinforcement Learning
AI 导读
DPDP 将扩散策略引入扩散规划器的执行步骤,结合价值感知策略与长视野规划优势。 该方法是 D4RL 数据集上的改进,在长时程导航任务中领先,且在运动控制任务中与反应式扩散策略保持竞争力。 方法包含免训练采样器与偏好目标摊销两种实现路径。
来源:arXiv · ML · arxiv.org