Learning to Plan from Random Exploration

该研究通过随机游走探索环境，利用条件能量模型估计时间对数密度比，无需动作或奖励标签即可学习时空关系。规划器在不同时间尺度上查询这些关系，结合局部动力学模型预测候选动作并评估进展。实验在迷宫导航、自我中心导航和次优操作规划上验证了长程规划能力。