Humanoid control

新的TruDi框架支持大规模并行强化学习的扩散策略

研究人员推出了一种名为信任区域扩散策略（TruDi）的新型框架，旨在实现大规模并行同策略强化学习（RL）环境中扩散策略的有效训练。该方法通过引入信任区域优化规则来应对同策略RL中快速变化的数据分布的挑战，从而在复杂策略下保持稳定性。在四个基准和73个任务上的实证评估表明，TruDi的性能与现有基线相当或更优，在复杂人形控制任务中表现尤为突出。