SMFP：一步生成式策略实现熵正则镜像下降

Zeyuan Wang 等人提出 Stochastic MeanFlow Policies（SMFP），一种一步生成式控制策略。它把 MeanFlow 的噪声到动作映射与高斯重参数化结合，通过可学习的条件高斯尺度给出解析熵下界，从而在一步策略上实现熵正则化镜像下降学习。 在七个 MuJoCo 基准任务上，SMFP 以单步推理取得优于高斯策略及生成式基线的表现。论文还报告了额外实验，验证其多模态动作建模能力与稀疏奖励导航中的探索效果。

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。