LEARNING
ReGuide：从测试时引导到自我改进的扩散策略
Tzu-Hsiang Lin, Srinivas Shakkottai, Dileep Kalathil, P. R. Kumar
- 发表年份
- 2026
- 访问权限
- 开放获取
摘要
ReGuide提出了一种自我改进框架，通过阶段条件引导生成可纠正的轨迹，并将其作为可重用的策略内恢复数据来微调或重训练扩散策略。该方法有效解决了行为克隆扩散策略在分布外状态下的累积误差问题，在多个机器人操作任务上取得了显著提升。
关键词
diffusion policycovariate shiftself-improvingtest-time guidancebehavior cloning
相关论文
LEARNING
📊 8,465 引用
The Organization of Behavior
D. O. Hebb
2005
LEARNING
📊 7,678 引用
Fractional Brownian Motions, Fractional Noises and Applications
Benoît B. Mandelbrot, John W. Van Ness
1968
LEARNING
开放获取📊 7,484 引用
Review of deep learning: concepts, CNN architectures, challenges, applications, future directions
Laith Alzubaidi, Jinglan Zhang, Amjad J. Humaidi 等 10 位作者
2021
LEARNING
📊 4,608 引用
A guide to deep learning in healthcare
Andre Esteva, Alexandre Robicquet, Bharath Ramsundar 等 10 位作者
2018