arXiv ID:
2605.23365
arXiv 提交日期: 2026-05-22
基于评分的单步平均流策略优化 / Score-Based One-step MeanFlow Policy Optimization
1️⃣ 一句话总结
本文提出了一种名为SOM的强化学习算法,它通过从价值函数中直接构造目标速度场,使得原本需要多次计算的扩散模型策略在线上任务中也能仅用一次网络计算完成动作生成,从而大幅提升训练和推理速度,并在运动控制任务上取得了领先性能。