Os autores propõem o Planejamento de Trajetória por Atalho (STP), um framework de aprendizado por reforço offline baseado em modelos que utiliza modelos de atalho para gerar trajetórias de forma eficiente. Esta abordagem aborda os altos custos de inferência de planejadores baseados em difusão e a instabilidade de treinamento associada à destilação em duas etapas em métodos baseados em consistência.

  • O STP treina um modelo de trajetória condicional por atalho em uma única etapa, evitando pipelines complexos de múltiplas etapas.
  • O framework suporta inferência ajustável de um passo e poucos passos através do condicionamento do tamanho do passo.
  • Planos candidatos são selecionados usando um crítico aumentado com correção consciente da viabilidade.
  • Avaliações em benchmarks padrão D4RL, incluindo tarefas de locomoção, navegação, manipulação e controle destro, mostram desempenho sólido.

O STP simplifica o pipeline de treinamento para planejamento generativo rápido enquanto mantém resultados competitivos em benchmarks padrão.