扩散模型预测控制
机器学习
2025-05-26 v2 人工智能
摘要
我们提出了 Diffusion Model Predictive Control（D-MPC），一种新的 MPC 方法，学习多步动作提议和多步动力学模型，两者均使用扩散模型，并将其用于在线 MPC。我们在流行的 D4RL 基准上展示了性能显著优于现有基于模型的离线规划方法使用 MPC（例如 MBOP），并与最先进（SOTA）基于模型和无模型强化学习方法相当。我们还进一步展示了 D-MPC 在运行时优化新颖奖励函数方面的能力，并适应新的动力学，凸显其相对于现有基于扩散的规划基线的优势。
引用
@article{arxiv.2410.05364,
title = {Diffusion Model Predictive Control},
author = {Guangyao Zhou and Sivaramakrishnan Swaminathan and Rajkumar Vasudeva Raju and J. Swaroop Guntupalli and Wolfgang Lehrach and Joseph Ortiz and Antoine Dedieu and Miguel Lázaro-Gredilla and Kevin Murphy},
journal= {arXiv preprint arXiv:2410.05364},
year = {2025}
}
备注
Published at TMLR