从随机探索中学习规划

新研究提出一种利用随机探索经验进行长程规划的方法，无需动作与奖励标签即可实现免策略改进训练的目标规划。该方法通过噪声对比估计训练条件能量基模型以捕获不同时间跨度的时序关系，并在测试时结合局部动力学模型评估候选动作与实时重规划。实验表明，该方案成功实现了基于状态与图像的长程迷宫规划、第一人称导航及机械臂操纵规划。