저자들은 단축 모델을 사용하여 궤적을 효율적으로 생성하는 오프라인 모델 기반 강화 학습 프레임워크인 Shortcut Trajectory Planning (STP)을 제안합니다. 이 접근 방식은 확산 기반 플래너의 높은 추론 비용과 일관성 기반 방법의 2단계 증류와 관련된 훈련 불안정성을 해결합니다.

  • STP은 복잡한 다단계 파이프라인을 피하고 단일 단계에서 조건부 단축 궤적 모델을 훈련합니다.
  • 이 프레임워크는 단계 크기 조건화를 통해 조정 가능한 1단계 및 소수 단계 추론을 지원합니다.
  • 후보 플래너는 실현 가능성 인식 보정이 추가된 비평가(critic)를 사용하여 선택됩니다.
  • 이동, 탐색, 조작, 정교한 제어 작업을 포함한 표준 D4RL 벤치마크 전반의 평가는 강력한 성능을 보여줍니다.

STP은 표준 벤치마크에서 경쟁력 있는 결과를 유지하면서 빠른 생성적 플래닝을 위한 훈련 파이프라인을 단순화합니다.