Graph Sparse Sampling

新的图稀疏采样算法解决了连续规划的挑战

研究人员推出了一种新颖的在线规划算法 Graph Sparse Sampling (GSS)，旨在解决连续域中不确定性规划的计算挑战。与可能面临随着前瞻深度呈指数级增长采样预算的传统蒙特卡洛树搜索 (MCTS) 方法不同，GSS 在多个决策之间共享采样到的未来。这种方法创建了一个分支自由的图结构，便于 GPU 加速，并使用启发式方法来集中计算。该算法在涉及长视界和连续控制的模拟中，已证明比基于树的规划器有显著的性能提升。