1.强化学习+扩散模型重大创新思路分享：

轨迹扩散 × 离线强化学习（Offline RL）

LDCQ++：基于潜变量轨迹扩散约束开展离线Q学习

ReDiffuser-X：具备置信门控功能的轨迹扩散规划器

2.扩散策略（Diffusion Policy）× 在线微调与探索

DPPO-Q：融合扩散策略的策略梯度与价值引导进行协同微调

EDP-URL：基于无奖励预训练的探索型扩散策略

3.扩散世界模型（World Model）× 模型式RL（MBRL）

DIAMOND-Lite：具备高保真视觉的扩散世界模型的轻量化决策方案

DOME-Drive：基于3D占用网格的扩散世界模型的自动驾驶规划方案

4.人类偏好对齐（RLHF/DPO）× 扩散生成/决策一体

Diffusion-DPO-RL：构建从偏好对齐到可执行策略的端到端链路

RLHF-T2I-to-Act：将文本 - 图像扩散的偏好对齐迁移至机器人动作领域

5.安全/约束/风险敏感 × 扩散策略与轨迹

FISOR-Diff：在可行域引导下开展安全离线扩散策略学习

CVaR-Guided Sampler：基于风险敏感的扩散采样与策略改进方案

6.采样效率/可控性 × 扩散引导的统一优化框架

Auto-Guidance：将扩散梯度引导视为一种一阶优化的自适应调度方法

PolyGRAD：利用策略 - 引导的轨迹扩散合成进行on-policy评估

📚另外，我整理了十篇关于强化学习的最新论文及代码，方便大家参考。