跳到正文
arXiv · AI· Kyowoon Lee, Yunhao Luo, Anh Tong, Jaesik Choi·· 2026-10-14AI 评分26

RCD 方法通过无训练引导提升组合扩散规划的长时程轨迹可靠性

Refining Compositional Diffusion for Reliable Long-Horizon Planning

AI 导读

RCD 提出一种无训练引导方法,利用预训练扩散模型的自重构误差作为对数密度代理,结合重叠一致性项,将采样导向高密度全局连贯计划。 在 OGBench 的运动、物体操控及像素级观测长时程任务中,RCD 性能持续优于现有方法,有效缓解了模式平均问题。 该文已被 NeurIPS 2026 接收。

来源:arXiv · AI · arxiv.org