लेखकों ने शॉर्टकट ट्रैजेक्टरी प्लानिंग (STP) का प्रस्ताव रखा है, जो एक ऑफलाइन मॉडल-आधारित रिइन्फोर्समेंट लर्निंग फ्रेमवर्क है जो कुशलता से ट्रैजेक्टरी उत्पन्न करने के लिए शॉर्टकट मॉडल्स का उपयोग करता है। यह दृष्टिकोण डिफ्यूजन-आधारित प्लानरर्स के उच्च इनफरेंस लागतों और कंसिस्टेंसी-आधारित विधियों में दो-चरण की डिस्टिलेशन से जुड़ी प्रशिक्षण अस्थिरता को संबोधित करता है।
- STP एकल चरण में एक शर्तवाला शॉर्टकट ट्रैजेक्टरी मॉडल को प्रशिक्षित करता है, जटिल बहु-चरण पाइपलाइन से बचते हुए।
- फ्रेमवर्क स्टेप-साइज कंडीशनिंग के माध्यम से समायोज्य वन-स्टेप और फ्यू-स्टेप इनफरेंस का समर्थन करता है।
- उम्मीदवार प्लान्स को फेज़िबिलिटी-अवेयर करेक्शन के साथ बढ़ाए गए क्रिटिक का उपयोग करके चुना जाता है।
- लोकोमोशन, नेविगेशन, मैनिपुलेशन और डेक्सट्रस कंट्रोल कार्यों सहित मानक D4RL बेंचमार्क्स पर मूल्यांकन मजबूत प्रदर्शन दिखाते हैं।
STP तेज़ जनरेटिव प्लानिंग के लिए प्रशिक्षण पाइपलाइन को सरल बनाता है जबकि मानक बेंचमार्क्स पर प्रतिस्पर्धी परिणाम बनाए रखता है।