arXiv · cs.LG· Thanh Nguyen, Abu Hanif Muhammad Syarubany, Hwanhee Kim, Chang D. Yoo·· 4 小时前
InsQL：用组合式平均速度建模实现高效扩散离线强化学习
Compositional Average Velocity Modeling for Efficient Diffusion Offline Reinforcement Learning
AI 导读
研究者提出 Instant Flow Q-Learning（InsQL），一种单步生成式策略学习框架，用平均速度建模替代扩散策略的边缘速度参数化，无需迭代采样和 BPTT，仅需单个策略网络即可完成训练。在标准离线 RL 基准和真实机器人操作任务上，InsQL 性能匹配或超越 SOTA 扩散方法，同时大幅降低训练与推理时间。
来源：arXiv · cs.LG · arxiv.org