跳到正文
arXiv · 机器人与计算机视觉· Denis Blessing, Onur Celik, Gerhard Neumann·· 2026-10-12精选AI 评分78

基于固定点流匹配的强化学习方法

Reinforcement Learning via Fixed-point Flow Matching

AI 导读

针对最大熵和受约束行为强化学习中最优策略采样困难的问题,本文提出了固定点流匹配(FFM)这一无需训练数据的方法。该方法利用目标流恒等式将演员更新构建为固定点迭代,以评论器的动作梯度作为回归目标进行流匹配风格的优化。实验表明,FFM 能有效微调预训练流策略并支持从零开始的在线强化学习训练,确立了其在不依赖训练数据情况下学习表达性流策略的原则性方法地位。

推荐理由

提出无需训练数据的固定点流匹配方法,解决在线强化学习中策略分布采样难题。

来源:arXiv · 机器人与计算机视觉 · arxiv.org