arXiv · 机器人与计算机视觉· Song Yan, Chenfeng Wang, Wei Zhai, Xingchen Wang, Tao Zhang, Yawen Shao, Shi Pan, Min Li, Zheng-Jun Zha·· 11 小时前精选AI 评分83
RiDEx:一种用于扩散强化学习的奖励感知方向性探索方法
RiDEx: Reward-Informed Directional Exploration for Diffusion Reinforcement Learning
AI 导读
论文提出 RiDEx 方法,旨在解决基于奖励的扩散模型后训练中的探索效率问题。该方法将局部探索集中在去噪速度场中与奖励相关的子空间内,利用条件残差或可微奖励梯度确定子空间,并通过同状态下的等量反向扰动测量终端奖励响应。
推荐理由
针对高维潜在空间探索效率低的问题,提出奖励感知的方向性探索方法,在四个对齐任务上实现最高峰值奖励并显著加速目标达成。
来源:arXiv · 机器人与计算机视觉 · arxiv.org