Buchumschlag

One-Step Flow Q-Learning: Addressing the Diffusion Policy Bottleneck in Offline Reinforcement Learning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Nguyen, Thanh, Yoo, Chang D.
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Uncertainty-Aware Rank-One MIMO Q Network Framework for Accelerated Offline Reinforcement Learning
von: Nguyen, Thanh, et al.
Veröffentlicht: (2026)

Towards Robust Policy: Enhancing Offline Reinforcement Learning with Adversarial Attacks and Defenses
von: Nguyen, Thanh, et al.
Veröffentlicht: (2024)

FlowQ: Energy-Guided Flow Policies for Offline Reinforcement Learning
von: Alles, Marvin, et al.
Veröffentlicht: (2025)

Learning on One Mode: Addressing Multi-modality in Offline Reinforcement Learning
von: Wang, Mianchu, et al.
Veröffentlicht: (2024)

Safe Flow Q-Learning: Offline Safe Reinforcement Learning with Reachability-Based Flow Policies
von: Tayal, Mumuksh, et al.
Veröffentlicht: (2026)

Entropy-regularized Diffusion Policy with Q-Ensembles for Offline Reinforcement Learning
von: Zhang, Ruoqi, et al.
Veröffentlicht: (2024)

Truncated Rectified Flow Policy for Reinforcement Learning with One-Step Sampling
von: Zhou, Xubin, et al.
Veröffentlicht: (2026)

One-Step Generative Policies with Q-Learning: A Reformulation of MeanFlow
von: Wang, Zeyuan, et al.
Veröffentlicht: (2025)

Causal Flow Q-Learning for Robust Offline Reinforcement Learning
von: Li, Mingxuan, et al.
Veröffentlicht: (2026)

Offline Multitask Representation Learning for Reinforcement Learning
von: Ishfaq, Haque, et al.
Veröffentlicht: (2024)

Robust Policy Learning via Offline Skill Diffusion
von: Kim, Woo Kyung, et al.
Veröffentlicht: (2024)

LLM-Guided Reinforcement Learning: Addressing Training Bottlenecks through Policy Modulation
von: Tan, Heng, et al.
Veröffentlicht: (2025)

On the Perturbed States for Transformed Input-robust Reinforcement Learning
von: Luu, Tung M., et al.
Veröffentlicht: (2024)

On Sample-Efficient Offline Reinforcement Learning: Data Diversity, Posterior Sampling, and Beyond
von: Nguyen-Tang, Thanh, et al.
Veröffentlicht: (2024)

Online Optimization for Offline Safe Reinforcement Learning
von: Chemingui, Yassine, et al.
Veröffentlicht: (2025)

Efficient Hierarchical Implicit Flow Q-learning for Offline Goal-conditioned Reinforcement Learning
von: Dong, Zhiqiang, et al.
Veröffentlicht: (2026)

Diffusion Policies for Risk-Averse Behavior Modeling in Offline Reinforcement Learning
von: Chen, Xiaocong, et al.
Veröffentlicht: (2024)

Behavior-Regularized Diffusion Policy Optimization for Offline Reinforcement Learning
von: Gao, Chen-Xiao, et al.
Veröffentlicht: (2025)

Preferred-Action-Optimized Diffusion Policies for Offline Reinforcement Learning
von: Zhang, Tianle, et al.
Veröffentlicht: (2024)

Diffusion World Model: Future Modeling Beyond Step-by-Step Rollout for Offline Reinforcement Learning
von: Ding, Zihan, et al.
Veröffentlicht: (2024)

Reward Generation via Large Vision-Language Model in Offline Reinforcement Learning
von: Lee, Younghwan, et al.
Veröffentlicht: (2025)

In-Context Compositional Q-Learning for Offline Reinforcement Learning
von: Xu, Qiushui, et al.
Veröffentlicht: (2025)

Imagination-Limited Q-Learning for Offline Reinforcement Learning
von: Liu, Wenhui, et al.
Veröffentlicht: (2025)

Mildly Conservative Q-Learning for Offline Reinforcement Learning
von: Lyu, Jiafei, et al.
Veröffentlicht: (2022)

Q-value Regularized Transformer for Offline Reinforcement Learning
von: Hu, Shengchao, et al.
Veröffentlicht: (2024)

Diffusion Policies with Offline and Inverse Reinforcement Learning for Promoting Physical Activity in Older Adults Using Wearable Sensors
von: Liu, Chang, et al.
Veröffentlicht: (2025)

Diffusion Policies with Value-Conditional Optimization for Offline Reinforcement Learning
von: Ma, Yunchang, et al.
Veröffentlicht: (2025)

Iterated $Q$-Network: Beyond One-Step Bellman Updates in Deep Reinforcement Learning
von: Vincent, Théo, et al.
Veröffentlicht: (2024)

Deep Transfer $Q$-Learning for Offline Non-Stationary Reinforcement Learning
von: Chai, Jinhang, et al.
Veröffentlicht: (2025)

Adaptive $Q$-Aid for Conditional Supervised Learning in Offline Reinforcement Learning
von: Kim, Jeonghye, et al.
Veröffentlicht: (2024)

CODA: Coordination via On-Policy Diffusion for Multi-Agent Offline Reinforcement Learning
von: Hedman, Marcel, et al.
Veröffentlicht: (2026)

ComaDICE: Offline Cooperative Multi-Agent Reinforcement Learning with Stationary Distribution Shift Regularization
von: Bui, The Viet, et al.
Veröffentlicht: (2024)

Adaptive Q-Chunking for Offline-to-Online Reinforcement Learning
von: Gireesh, Nandiraju, et al.
Veröffentlicht: (2026)

Q-Flow: Stable and Expressive Reinforcement Learning with Flow-Based Policy
von: Doo, JaeHyeok, et al.
Veröffentlicht: (2026)

Guided Flow Policy: Learning from High-Value Actions in Offline Reinforcement Learning
von: Tiofack, Franki Nguimatsia, et al.
Veröffentlicht: (2025)

Sparse Offline Reinforcement Learning with Corruption Robustness
von: Tran, Nam Phuong, et al.
Veröffentlicht: (2025)

LLM-Driven Policy Diffusion: Enhancing Generalization in Offline Reinforcement Learning
von: Zhang, Hanping, et al.
Veröffentlicht: (2025)

Diffusion Policies creating a Trust Region for Offline Reinforcement Learning
von: Chen, Tianyu, et al.
Veröffentlicht: (2024)

Adaptive Neighborhood-Constrained Q Learning for Offline Reinforcement Learning
von: Mao, Yixiu, et al.
Veröffentlicht: (2025)

Skills Regularized Task Decomposition for Multi-task Offline Reinforcement Learning
von: Yoo, Minjong, et al.
Veröffentlicht: (2024)