RCD：免训练引导提升长时程规划
热点事件持续更新
RCD：免训练引导提升长时程规划
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
研究者提出免训练引导方法 RCD（Refining Compositional Diffusion），用于解决组合扩散规划中局部多模态导致的模式平均问题。该方法利用预训练扩散模型的自重建误差作为组合计划的 log-density 代理，并结合重叠一致性项约束分段边界。 作者称，在 OGBench 的运动、物体操作和像素观测等长时程任务上，RCD 持续优于现有方法；论文已被 NeurIPS 2026 接收。
AI 根据报道生成 · 2 小时前更新
最新进展10月15日 12:00
RCD：面向可靠长时程规划的组合扩散精炼方法报道时间线
沿着报道，了解事件的不同侧面。
10月15日
- arXiv：cs.AIRCD：面向可靠长时程规划的组合扩散精炼方法
针对组合扩散规划中局部多模态导致的模式平均问题，研究者提出免训练引导方法 RCD，利用预训练扩散模型的自重建误差作为组合计划的 log-density 代理，并结合重叠一致性项约束分段边界。在 OGBench 的运动、物体操作和像素观测等长时程任务上，RCD 持续优于现有方法，论文已被 NeurIPS 2026 接收。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。