近日，arXiv上发布了一篇题为《PISTO: Proximal Inference for Stochastic Trajectory Optimization》的论文，提出了一种新的随机轨迹优化算法PISTO。该方法在传统STOMP算法的基础上，通过引入KL散度正则化项稳定更新，显著提升了机器人运动规划的性能。
研究团队首先揭示了STOMP算法隐含的变分推理结构：其更新过程实际上最小化了玻尔兹曼轨迹分布与当前分布之间的KL散度。基于这一洞察，他们提出了PISTO，通过在高斯提议分布之间添加KL正则化，形成一种近端优化公式。该公式具有信任域解释，并且能导出闭式均值更新，这些均值可通过重要性加权蒙特卡洛采样高效估计。这种设计使得PISTO成为一个简单、无需梯度的算法，继承了STOMP处理非可微和不连续成本函数的能力。
在机械臂运动规划基准测试中，PISTO取得了89%的成功率，远超过CHOMP的63%和STOMP的68%。同时，PISTO生成的路径更短、更平滑，速度是其他随机方法的两倍。在接触丰富的MuJoCo仿真中（包括 locomotion 和 manipulation 任务），PISTO在奖励指标上持续优于CEM和MPPI基线。PISTO的无需梯度特性使其能够直接处理非可微甚至不连续的代价函数，为复杂机器人任务提供了一种简单而强大的规划工具。论文还包含8页详细介绍，并提供了代码链接供社区复现。