Para penulis mengusulkan Shortcut Trajectory Planning (STP), sebuah kerangka kerja pembelajaran penguatan berbasis model offline yang menggunakan model jalan pintas untuk menghasilkan lintasan secara efisien. Pendekatan ini mengatasi biaya inferensi tinggi dari perencana berbasis difusi dan ketidakstabilan pelatihan yang terkait dengan distilasi dua tahap dalam metode berbasis konsistensi.
- STP melatih model lintasan jalan pintas kondisional dalam satu tahap, menghindari pipa multi-tahap yang kompleks.
- Kerangka kerja ini mendukung inferensi satu langkah dan beberapa langkah yang dapat disesuaikan melalui kondisioning ukuran langkah.
- Rencana kandidat dipilih menggunakan kritikus yang diperkaya dengan koreksi sadar-kelayakan.
- Evaluasi di seluruh benchmark D4RL standar, termasuk tugas lokomosi, navigasi, manipulasi, dan kontrol dexterous, menunjukkan kinerja yang kuat.
STP menyederhanakan pipa pelatihan untuk perencanaan generatif yang cepat sambil mempertahankan hasil yang kompetitif di benchmark standar.