Los autores proponen la Planificación de Trayectorias por Atajo (STP), un marco de aprendizaje por refuerzo offline basado en modelos que utiliza modelos de atajo como generadores de trayectorias eficientes para abordar el alto costo de inferencia de los planificadores basados en difusión y la inestabilidad de la destilación en dos etapas.

  • STP entrena un modelo condicional de trayectoria de atajo en una sola etapa, admitiendo inferencia de un solo paso y pocos pasos ajustable mediante condicionamiento del tamaño del paso.
  • El marco selecciona planes candidatos utilizando un crítico aumentado con corrección consciente de la viabilidad.
  • En los benchmarks estándar D4RL que incluyen tareas de locomoción, navegación, manipulación y control diestro, STP logra un rendimiento sólido mientras simplifica el pipeline de entrenamiento para una planificación generativa rápida.