Авторы предлагают планирование траекторий по кратчайшему пути (STP), фреймворк офлайн обучения с подкреплением на основе моделей, который использует модели кратчайшего пути для эффективной генерации траекторий. Этот подход решает проблему высоких затрат на инференс у планеров на основе диффузии и нестабильность обучения, связанную с двухэтапным дистилляцией в методах на основе согласованности.
- STP обучает условную модель траектории кратчайшего пути за один этап, избегая сложных многоэтапных конвейеров.
- Фреймворк поддерживает настраиваемый одношаговый и малоступенчатый инференс через кондиционирование размера шага.
- Кандидатные планы отбираются с помощью критика, дополненного коррекцией, учитывающей выполнимость.
- Оценка на стандартных бенчмарках D4RL, включая задачи локомоции, навигации, манипуляции и ловкого управления, показывает высокую эффективность.
STP упрощает конвейер обучения для быстрого генеративного планирования, сохраняя конкурентоспособные результаты на стандартных бенчмарках.