跳到正文
arXiv · 机器人与计算机视觉· Hokyun Im, Andrey Kolobov, Jianlong Fu, Youngwoon Lee·· 20 天前精选AI 评分78

Latent Policy Steering:基于单步流策略的潜在策略引导

Latent Policy Steering through One-Step Flow Policies

AI 导读

针对离线强化学习中回报最大化与行为约束间的脆弱权衡问题,本文提出 Latent Policy Steering (LPS) 方法。该方法通过反向传播原始动作空间 Q 梯度至可微单步 MeanFlow 策略来更新潜在动作空间的 Actor,消除了代理潜在评论家,使原始动作空间评论家能端到端引导潜在空间优化。

推荐理由

提出 Latent Policy Steering 方法,通过可微单步流策略实现高保真潜在策略改进,在 OGBench 及真实任务中优于强基线。

来源:arXiv · 机器人与计算机视觉 · arxiv.org