近日，arXiv上釋出了一篇題為《PISTO: Proximal Inference for Stochastic Trajectory Optimization》的論文，提出了一種新的隨機軌跡最佳化演算法PISTO。該方法在傳統STOMP演算法的基礎上，透過引入KL散度正則化項穩定更新，顯著提升了機器人運動規劃的效能。
研究團隊首先揭示了STOMP演算法隱含的變分推理結構：其更新過程實際上最小化了玻爾茲曼軌跡分佈與當前分佈之間的KL散度。基於這一洞察，他們提出了PISTO，透過在高斯提議分佈之間新增KL正則化，形成一種近端最佳化公式。該公式具有信任域解釋，並且能匯出閉式均值更新，這些均值可透過重要性加權蒙特卡洛取樣高效估計。這種設計使得PISTO成為一個簡單、無需梯度的演算法，繼承了STOMP處理非可微和不連續成本函式的能力。
在機械臂運動規劃基準測試中，PISTO取得了89%的成功率，遠超過CHOMP的63%和STOMP的68%。同時，PISTO生成的路徑更短、更平滑，速度是其他隨機方法的兩倍。在接觸豐富的MuJoCo模擬中（包括 locomotion 和 manipulation 任務），PISTO在獎勵指標上持續優於CEM和MPPI基線。PISTO的無需梯度特性使其能夠直接處理非可微甚至不連續的代價函式，為複雜機器人任務提供了一種簡單而強大的規劃工具。論文還包含8頁詳細介紹，並提供了程式碼連結供社群復現。