arXiv · AI· Zhiyuan Zhou, Andy Peng, Charles Xu, Qiyang Li, Jost Tobias Springenberg, Kevin Frans, Sergey Levine·· 9 小时前AI 评分28
QGF：测试时梯度引导的强化学习流策略
Test-Time Gradient Guidance of Flow Policies in Reinforcement Learning
AI 导读
论文提出 Q-Guided Flow (QGF) 强化学习算法，通过测试时策略优化替代不稳定训练，在单任务和目标条件离线强化学习基准上超越现有测试时方法。 该算法利用预训练的流策略和价值函数，在测试时用价值梯度引导生成高价值动作，避免了演员-批评家训练的不稳定性且运行成本更低。 QGF 展现出随模型规模扩展的良好特性，为使用高维动作空间的机器人控制提供了实用且高效的强化学习替代方案。
来源：arXiv · AI · arxiv.org