DEFlow：以隐式欧拉替代显式采样的流策略

Ruslan Ageev 等提出深度平衡流策略方法 DEFlow，用隐式欧拉积分替代显式采样，把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。 论文报告的实验结果为：在四个 Multi-Goal docking 变体上，DEFlow 的平均成功覆盖度相对最强基线提升约 10%；在五个 manipulation 任务中的四个取得最高平均时间平均回报，在五个 MuJoCo 任务上整体具有竞争力，代价是额外的非线性与线性求解。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。