Discrete Model-Based Diffusion

新的离散MBD方法无需训练即可解决多机器人优化问题

研究人员推出了一种新颖的无训练方法——离散模型驱动扩散（Discrete MBD），用于解决多机器人系统中的复杂组合优化问题。该方法通过使用蒙特卡洛采样来近似离散反向转移分布，直接优化离散变量，克服了现有基于扩散的方法在连续空间或需要大量离线训练的局限性。实验表明，Discrete MBD的性能优于标准的基于采样的方法，并且在计算成本显著降低的情况下，取得了与混合整数规划和强化学习方法相当的解决方案质量。