跳到主要内容
返回时间线
arXiv来源发表:

MCDC只改初始噪声:长程拼接规划在OGBench上提升,且可与搜索类方法叠加

核心概要

组合式扩散规划器把长程任务拆成若干短轨迹块分别生成再拼接,但各块独立初始化时可能各自选到互不兼容的局部模式,拼出的轨迹局部可行却整体不连贯。MCDC是一种免训练的推理方法,它把相邻块的初始高斯噪声改为相关耦合,同时保持每块边缘分布仍为标准高斯,从而在不改动预训练去噪器的情况下偏向兼容的重叠模式选择。在OGBench长程Stitch任务上,MCDC相对独立采样一致提升,推理时间几乎不变,并在成功率与开销之间优于基于搜索的组合方法。

Source-provided article image: Marginal-Preserving Coupled Diffusion Composition for Long-Horizon Planning
arXiv

深度剖析

长程规划中,拼接后的轨迹不连贯可以来自采样初始化,而不只是局部去噪器不够强。 此前的组合式扩散规划器默认让每个轨迹块独立抽取初始噪声,遇到同一重叠区域存在多条可行通道时,相邻块可能各自选到不同模式。 在AntMaze-Giant-Stitch上,独立初始化的块各自局部可行,拼接后却出现穿墙连接或低密度过渡,这一对照把问题定位到块间协调。

MCDC只替换推理时的初始噪声,让相邻轨迹块共享一部分随机成分。 做法是把每块的初始噪声写成全局共享分量、边共享分量和私有分量之和,并按块在图中的度数归一化,使每块的边缘分布仍是标准高斯。 在OGBench的PointMaze、AntMaze、HumanoidMaze和AntSoccer Stitch任务上,使用与CompDiffuser相同的预训练局部扩散模型,MCDC在所有未饱和设置上优于独立采样,且推理时间几乎不变。

启示与展望

演示范围是OGBench的Stitch类长程任务,包括PointMaze、AntMaze、HumanoidMaze的Medium、Large、Giant规模,以及AntSoccer的Arena与Medium设置,全部在仿真环境中以状态轨迹规划评估。

效果受预训练局部扩散模型质量限制:若局部去噪器无法生成可行块,或所需转接不在离线数据覆盖内,仅耦合初始噪声无法补回缺失的局部能力。耦合强度目前是固定的推理超参数,不同环境或任务长度可能需要不同取值;在PointMaze-Giant上,把局部强度从0.70升到0.85会使平均成功率从78.6%降到72.6%,原文未给出该扫描所对应的全局权重取值。