北京
分享至
清华大学团队提出的SAFLOW，把辛积分（symplectic integration）里保持结构的思路搬进了策略建模，构建出一种自伴随的流匹配策略，并采用Verlet对称分裂。这套设计让动作采样和似然评估在数值上可逆。
论文在8个Isaac Lab具身控制任务上做了对比，基线包括PPO、TRPO、FPO和GenPO。结果显示SAFLOW整体占优，其中人形机器人任务上的提升接近51%。
对在线强化学习来说，采样与似然评估能否稳定可逆，直接关系到策略更新的效率。SAFLOW的切入点正是这一层数值结构，而不是在外层堆叠额外模块。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
