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 para generar trayectorias de manera eficiente. Este enfoque aborda los altos costos de inferencia de los planificadores basados en difusión y la inestabilidad del entrenamiento asociada con la destilación en dos etapas en métodos basados en consistencia.
- STP entrena un modelo de trayectoria condicional por atajo en una sola etapa, evitando complejos pipelines de múltiples etapas.
- El marco soporta inferencia ajustable de un solo paso y pocos pasos mediante condicionamiento del tamaño del paso.
- Los planes candidatos se seleccionan utilizando un crítico aumentado con corrección consciente de la factibilidad.
- Las evaluaciones en benchmarks estándar D4RL, incluyendo tareas de locomoción, navegación, manipulación y control diestro, muestran un rendimiento sólido.
STP simplifica el pipeline de entrenamiento para la planificación generativa rápida mientras mantiene resultados competitivos en benchmarks estándar.