标签
ReGuide 提出了一种面向扩散策略的自改进框架，利用测试时引导生成纠正性轨迹，然后在该数据上微调策略，在 Robomimic 任务上实现了 1.3–7.7 倍的成功率提升。
介绍了TruDi，一种通过使用信任区域优化规则来强制KL散度约束，从而在大规模并行在策略强化学习中训练扩散策略的方法，在73个任务中取得了强劲性能。
QPILOTS是一种方法，通过使用从噪声中间状态投影的评论家梯度，在推理时引导流策略，在离线到在线强化学习基准上实现了最先进的性能，并在不修改基础策略的情况下改进了预训练的VLA模型。
介绍了WarmPrior，该方法将流匹配策略中的标准高斯源替换为来自近期动作历史的时间约束先验，通过生成更直的路径概率，持续提升机器人操控任务的成功率。