Pareto-Optimal Entropy-Regularized Trajectory Optimization（PER-DDP）：面向机器人轨迹优化的熵正则化 DDP 框架

PER-DDP 提出一种基于自由能/相对熵不等式推导的熵正则化种群框架，将先验引导采样、扩展 rollout 评估与 Pareto 过滤结合，在保留 DDP 二阶结构的同时把采样开销与优化种群规模解耦。在多个系统和数百个环境的评测中，PER-DDP 的成功率高于现有采样增强型轨迹优化方法，并能在所有基线方法均无法求解的环境中找到可靠解。