RCD：免训练引导改进组合扩散规划

研究者提出一种免训练引导方法 RCD（Refining Compositional Diffusion），用于改进组合扩散规划。该方法针对局部多模态导致的模式平均问题，利用预训练扩散模型的自重建误差作为组合计划对数密度的代理，并加入重叠一致性项约束分段边界，从而引导采样走向高密度、全局连贯的计划。 在 OGBench 的移动、物体操作和像素观测等长时程任务上，作者称 RCD 持续优于现有方法。该工作已被 NeurIPS 2026 接收。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。