arXiv cs.RO 机器人学· Ruslan Ageev, Huaze Tang, Runqing Miao, Jiarong Li, Wenbo Ding·· 5 小时前精选AI 评分47
DEFlow：基于深度平衡流的最大熵强化学习策略
DEFlow: Deep Equilibrium Flow Maximum-Entropy Reinforcement Learning
AI 导读
DEFlow 用隐式欧拉积分替代显式采样，将中间动作作为平衡系统联合求解，并结合隐式微分与最终动作密度的离散变量替换公式，使 soft actor-critic 可在不回传求解器迭代的情况下进行 off-policy 训练。
推荐理由
论文给出隐式欧拉流策略在四组对接与五项操作任务上的量化对比，可评估其在多样性与精度兼顾场景的收益与求解开销。
来源：arXiv cs.RO 机器人学 · arxiv.org