基于评论引导的样本高效扩散强化学习

Shutong Ding, Zejia Zhong, Zhongyi Wang, Ke Hu, Bikang Pan, Jingya Wang, Ye Shi

摘要

本文提出CGPO方法，通过将训练无关的引导技术集成到扩散策略的去噪过程中，有效平衡探索与利用。该方法利用评论网络引导动作生成朝向高价值区域，减少获取高质量动作所需时间，提升最终性能。

diffusion policyreinforcement learningcritic guidanceexploration-exploitation balancesample efficiency

LEARNING

开放获取📊 1 引用

Keyi Shen, Glen Chou

2026

LEARNING

📊 0 引用

Hedi Boukamcha, Anas Neumann, Monia Rekik 等 6 位作者

Robotics and Computer-Integrated Manufacturing · 2026

LEARNING

📊 0 引用

Xiwei Wu, Wei Wu, Qiqi Chen 等 9 位作者

Robotics and Computer-Integrated Manufacturing · 2026

MANIPULATION

📊 0 引用

Yong Tao, Donghua Tan, Fan Ren 等 9 位作者

Robotics and Computer-Integrated Manufacturing · 2026