训练框架开源
DPPO
Princeton University、Massachusetts Institute of Technology、Harvard University、Toyota Research Institute美国
GitHub 仓库 irom-princeton/dppo
又称 Diffusion Policy Policy Optimization
- 类别
- 框架与工具 · 训练框架
- 开放程度
- 开源
- 发布时间
- 2024 年 8 月
- 开源协议
- MIT
- 发布方所在地
- 美国
项目简介
用策略梯度强化学习微调扩散策略的算法框架与官方实现:先用示教数据预训练扩散策略,再把去噪过程当作多步决策用 PPO 微调,并给出一套实践做法。代码覆盖 OpenAI Gym 运动控制、robomimic(Lift、Can、Square、Transport)、D3IL 和 Furniture-Bench 家具装配任务,提供预处理好的预训练数据和论文中的预训练策略检查点。