arXiv cs.AI· Haldun Balim, Yilun Du, Na Li·· 3 天前AI 评分31
GTP：基于生成式轨迹规划的模型在线决策框架
Model-Based Online Decision Making via Generative Trajectory Planning
AI 导读
研究者提出 Generative Trajectory Planning（GTP），一种基于模型的框架，通过从扩散先验中采样候选动作序列并利用学习到的动力学、奖励和价值模型进行精炼，实现高效的轨迹级推理。在连续控制和长时程操作任务中，GTP 匹配或超越 SOTA 的无模型、扩散策略和基于模型的基线，并在强基线退化的场景下保持稳定。
正文 · AI 翻译
摘要：在线决策面临高效推理与长时程推理之间的张力。基于价值的方法依赖短时程自举，限制了长期信息的传播，而轨迹优化方法虽显式规划，却必须在每个决策步骤求解高维优化问题。我们提出生成式轨迹规划（GTP），一个基于模型的框架，通过将生成模型学习为动作序列上的提议分布来化解这一张力。GTP 并非从头优化序列，而是从扩散先验中采样候选序列，并利用学习到的动力学、奖励和价值模型对其进行精炼，从而实现高效的轨迹级推理。在连续控制与长时程操作任务中，GTP 达到或超越最先进的无模型、扩散策略和基于模型的基线，并在强基线性能退化的情形下保持稳定。我们的结果表明，生成模型最好被理解为用于规划的结构化提议分布，而非策略，这为如何将生成式建模与基于模型的决策相结合提供了新视角。
| 主题： | 机器学习（cs.LG）；人工智能（cs.AI）；机器人学（cs.RO）；系统与控制（eess.SY） |
| 引用为： | arXiv:2610.18677 [cs.LG] |
| （或 arXiv:2610.18677v1 [cs.LG] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.18677 arXiv 颁发的 DOI 通过 DataCite（待注册） |
提交历史
来自：Haldun Balim [查看电子邮件]
[v1]
2026年10月13日星期二 16:35:13 UTC（1,864 KB）
来源：arXiv cs.AI · arxiv.org