Авторы предлагают Планирование траекторий по кратчайшему пути (STP), фреймворк офлайн обучения с подкреплением на основе моделей, который использует модели кратчайшего пути в качестве эффективных генераторов траекторий для решения проблемы высокой стоимости вывода диффузионных планировщиков и нестабильности двухэтапной дистилляции.
- STP обучает условную модель траектории кратчайшего пути за один этап, поддерживая настраиваемое одношаговое и малоступенчатое inference через кондиционирование по размеру шага.
- Фреймворк отбирает кандидатные планы с помощью критика, дополненного коррекцией с учётом выполнимости.
- На стандартных бенчмарках D4RL, включая задачи локомоции, навигации, манипуляции и ловкого управления, STP демонстрирует высокую производительность, упрощая конвейер обучения для быстрого генеративного планирования.