Feb, 2024

通过轨迹拼接提炼离线强化学习的条件扩散模型

TL;DR基于数据增强的知识蒸馏方法提出,通过条件扩散模型生成高回报轨迹,并通过新的奖励生成器运用新颖的拼接算法将其与原始轨迹混合。将得到的数据集应用于行为克隆,学习到的规模较小的浅层策略在几个D4RL基准测试中表现优于或接近深度生成规划器。