标签
VPFlow 认为，离线规划真正需要的是价值预测而非精确的状态预测：其在闭式蒙特卡洛回报上训练隐空间世界模型，并通过一步流策略在噪声空间中利用进化搜索进行规划。在状态与像素 OGBench 基准上，它分别以 30.3 和 10.1 个百分点的优势超越无模型基线，同时优于 TD-MPC2 等隐空间规划方法。