RCD：训练无关引导改进组合扩散长时程规划
热点事件持续更新
RCD：训练无关引导改进组合扩散长时程规划
1 篇报道1 个报道来源8 小时前更新
先了解这件事
AI 综述
Kyowoon Lee 等提出无需训练的 Refining Compositional Diffusion（RCD）方法，用于缓解组合扩散规划中的模式平均问题。该方法将预训练扩散模型的自重建误差作为组合计划对数密度的代理，并结合片段边界的一致性项，引导采样生成高密度、全局连贯的计划。 基于论文摘要，RCD 在 OGBench 的运动、物体操作和像素观测长时程任务上持续优于既有方法。
AI 根据报道生成 · 2 小时前更新
最新进展10月14日 12:00
Refining Compositional Diffusion（RCD）提升可靠的长时程规划报道时间线
沿着报道，了解事件的不同侧面。
10月14日
- arXiv · cs.AIRefining Compositional Diffusion（RCD）提升可靠的长时程规划
Kyowoon Lee 等提出无需训练的 Refining Compositional Diffusion（RCD）方法，用于缓解组合扩散规划中的模式平均问题。RCD 将预训练扩散模型的自重建误差作为组合计划对数密度的代理，并结合片段边界的一致性项，引导采样生成高密度、全局连贯的计划。基于论文摘要，RCD 在 OGBench 的运动、物体操作和像素观测长时程任务上持续优于既有方法。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。