GRASP:提升狀態、加入噪聲與梯度重塑實現長時序規劃
Gradient-based Planning for World Models at Longer Horizons
重點導讀
GRASP 是一種新的梯度規劃器,針對學習到的世界模型實現長時序規劃。
- 它通過將軌跡提升到虛擬狀態實現並行最佳化、在狀態迭代中加入噪聲以增強探索、並重塑梯度以避免脆弱的狀態輸入梯度,從而顯著提升規劃魯棒性和速度。
- 實驗顯示在 Push‑T 任務中,GRASP 在更長時間步上取得更高成功率且耗時更短。
- 詳情見論文 https://arxiv.org/abs/2602.00475。
AI 伴隨問答
針對這篇報導有疑問?可直接點選快捷問題或向 AI 追問背景脈絡與技術細節:
信源出處bair.berkeley.edu
Gradient-based Planning for World Models at Longer Horizons
本文為 888news 精選之重點導讀。若需閱讀作者完整原文、技術細節與官方討論,請前往原始網站。
來源: Berkeley AI Research (bair.berkeley.edu)
開啟原文