作者提出潜空间策略引导LPS离线强化学习法

Hokyun Im等作者提出潜空间策略引导（LPS）离线强化学习方法：把原始动作空间的Q梯度通过可微的一步MeanFlow策略回传，用来更新潜动作空间actor，从而省去代理潜空间critic；同时以一步MeanFlow策略作为行为约束的生成先验。 作者称，在OGBench基准和真实机器人任务上，LPS达到当前最优性能，并持续优于行为克隆和较强的潜空间引导基线。该论文标注为RSS 2026，并附项目网页；上述效果为作者自述，尚待独立验证。 方法细节和实验条件以论文原文为准，报道未给出各任务的成功率分母、试验次数和机器人型号等信息。

AI 根据报道生成 · 4 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。