面對復雜連續(xù)任務的長程規(guī)劃，現有的生成式離線強化學習方法往往會暴露短板。

它們生成的軌跡經常陷入局部合理但全局偏航的窘境。

它們太關注眼前的每一步，卻忘了最終的目的地。

針對這一痛點，廈門大學和香港科技大學提出一種名為MAGE（魔法師，Multi-scale Autoregressive Generation）的離線強化學習新算法。

MAGE與現有序列生成方法不同，MAGE采用自頂向下的“由粗到細”生成策略，先建模軌跡的宏觀規(guī)劃，再逐步細化微觀細節(jié)。

MAGE的核心思路非常符合人類的直覺：“自頂向下、由粗到細”。

這就好比畫一幅素描，你不會一上來就描繪眼睛的睫毛，而是先畫出整體的身體輪廓（宏觀規(guī)劃），再逐步細化五官和表情

（微觀動作）

△MAGE的思考過程

從一場”迷宮尋寶“揭示AI規(guī)劃的盲區(qū)

為了直觀展示現有模型的缺陷，研究團隊設計了一個迷宮吃金幣小實驗。智能體需要從隨機起點出發(fā)，依靠對環(huán)境的長程空間理解，先吃銀幣，再吃金幣，最后抵達終點。

△各個算法在迷宮環(huán)境的表現

然而，面對這種需要全局規(guī)劃的場景，現有的模型紛紛暴露了缺陷。

• Decision Transformer受限于單向自回歸特性帶來的全局上下文缺失，它在長程規(guī)劃中完全迷失方向，最終連終點都未能抵達。
• Decision Diffuser則由于擴散模型固有的局部生成偏差，生成的軌跡往往只能保證局部合理；雖然智能體抵達了終點，卻遺漏了關鍵的一枚金幣，全局連貫性較差。
• Hierarchical Diffuser雖然嘗試通過分層結構建模全局軌跡，但由于其固定的雙層結構過于僵硬高低層策略之間缺乏有效協同，生成的軌跡甚至出現了物理違規(guī)的“穿墻”現象，全局規(guī)劃與局部動作嚴重脫節(jié)。

相比之下，MAGE則通過多尺度“從粗到細”的生成架構成功完成了任務。它首先在最粗的時間尺度上勾勒出包含所有關鍵節(jié)點的宏觀全局輪廓，隨后利用多尺度Transformer在更細的時間尺度上逐層細化，順利規(guī)劃出完整的路徑。

MAGE的核心思路：從畫大綱到扣細節(jié)

MAGE采用“自頂向下、由粗到細”的生成方式。MAGE包含兩大核心模塊，并輔以精確的控制機制：

△MAGE的架構圖

MTAE多尺度軌跡自編碼器：MAGE將長序列軌跡轉化為從粗到細的多尺度離散Token。粗尺度的Token負責掌控全局長程結構，最細尺度的Token則詳細建模短期的動態(tài)細節(jié)。

多尺度條件引導自回歸生成：模型使用Transformer序列化地生成這些多尺度Token。在生成每層時，都會嚴格以“目標回報”和“初始狀態(tài)”作為條件進行約束，確保智能體的每一步都在朝著最終目標前進。

條件引導細化與動作決策：因為把連續(xù)世界變成離散Token會丟失信息，普通的生成過程容易讓軌跡起點偏離現實。為此，MAGE在解碼器中集成了輕量級的適配器（adapter）模塊，并引入了條件引導損失函數Lcond，強制解碼出的初始狀態(tài)與真實環(huán)境是精確對齊的。最后，通過潛在逆動力學模型決定最終的動作。

實驗表現：長序列任務全面超越，推理速度滿足實時控制

研究團隊在包含Adroit、Franka Kitchen、AntMaze等5個離線RL基準測試中，將MAGE與15種具有代表性的基線算法進行了廣泛的評估。

多任務表現出色

在極具挑戰(zhàn)的高維連續(xù)控制Adroit機械臂任務中，面對極其稀疏的獎勵，MAGE實現了顯著的性能提升，大幅優(yōu)于對比方法。在強調子目標執(zhí)行順序的Franka Kitchen組合任務中，MAGE憑借捕獲全局結構和局部細節(jié)的能力，以相當大的優(yōu)勢超越了所有競爭算法。

在迷宮導航任務中，MAGE在所有數據集上均取得了最佳性能，證明了其處理長序列導航任務的卓越能力。

極高的推理效率與部署潛力

MAGE在保持高性能的同時，實現了出色的計算效率平衡。實驗數據表明，MAGE的運行速度比Hierarchical Diffuser快約50倍，比Decision Diffuser快80倍。其每步推理時間保持在27毫秒，完美滿足了真實機器人控制所要求的20 Hz實時運行門檻。

結語

MAGE成功地將多尺度軌跡建模與條件引導相結合，通過“從粗到細”的自回歸框架生成連貫且可控的高回報軌跡。當有一天，機器人不再需要人類一口一口地“喂”獎勵，而是能夠自主審視全局，制定長遠計劃并流暢執(zhí)行時，也許具身智能的下一個奇點就真正到來了。

論文鏈接：
https://arxiv.org/abs/2602.23770
開源代碼：
https://github.com/xmu-rl-3dv/MAGE
實驗室主頁：
https://asc.xmu.edu.cn/

作者介紹：
本文第一作者來自廈門大學空間感知與計算實驗室（ASC Lab）2024級碩士生林晨興、2025級碩士生高鑫輝，通訊作者為廈門大學沈思淇副教授，并由張海鵬、李欣然（香港科技大學）、王海濤、梅松竹副研究員、劉偉權副教授（集美大學）、王程教授共同合作完成。研究團隊長期聚焦于強化學習，多智能體系統以及大模型智能體。