FedGuide联邦强化学习框架被CoRL 2026接收为Spotlight

1. 12:00
   arXiv cs.RO 机器人学

   FedGuide：面向异构联邦强化学习的扩散先验对齐与价值基线引导

   FedGuide 提出一种异构联邦强化学习（FRL）框架，用扩散先验作为行为模型为异构本地策略学习提供个性化数据分布，并通过 Optimal-Transport Mixture-of-Experts（OT-MoE）在分布空间聚合先验，同时以 Distribution Correction Estimation（DICE）价值基线提供低方差、回报感知的策略改进引导。

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。