通过基于能量的自监督动作门控改进扩散规划器

扩散规划器是离线强化学习的有效方法，但在值引导选择偏好高分却局部不符合环境动态的轨迹时，会导致执行脆弱。本文提出基于能量的自监督动作门控（SAGE），一种推理时重排序方法，利用潜在一致性信号惩罚动态不一致的计划。SAGE 训练联合嵌入预测架构编码器及动作条件的潜在预测器，在测试时根据潜在预测误差分配能量，结合可行性评分与值估计选择动作。该方法无需环境 rollout 或策略重训练，显著提升了扩散规划器在多种基准任务中的性能与鲁棒性。