跳到正文
arXiv · ML· Thanh Nguyen, Abu Hanif Muhammad Syarubany, Hwanhee Kim, Chang D. Yoo·· 2026-10-14AI 评分32

组合平均速度建模实现离线强化学习的高效单步生成策略 InsQL

Compositional Average Velocity Modeling for Efficient Diffusion Offline Reinforcement Learning

AI 导读

提出 InsQL 单步生成策略框架,基于组合平均速度建模消除迭代采样和 BPTT,仅需用单个策略网络避免蒸馏和多阶段过程。推理时通过单次前向传播生成动作,在离线 RL 基准测试和真实机器人操作任务中性能匹配或超越 SOTA 扩散方法,同时大幅降低训练和推理时间。

来源:arXiv · ML · arxiv.org