作者提出全离散行为建模框架LDiP

Zhenxin Li等作者提出Large Discrete Policy（LDiP）全离散行为建模框架：它从大规模物理可行候选动作词表中选取动作，而不是对动作做扰动；通过随机迭代打分，在打分空间中逐步重新打分并剪枝候选，从而在保留显式决策过程的同时实现细粒度排序与探索。 作者称，在端到端规划、闭环驾驶、机器人操作和视觉-语言-动作设置中，LDiP在自动驾驶上持续优于强离散与连续基线，在机器人操作上超过或持平连续生成策略，并据此认为配合有效打分机制的离散策略可作为行为建模的替代方案。 该工作为arXiv预印本（arXiv:2609.07049），尚未经同行评议，上述性能结论为作者自述，未给出独立验证。

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。