面对复杂连续任务的长程规划，现有的生成式离线强化学习方法往往会暴露短板。

它们生成的轨迹经常陷入局部合理但全局偏航的窘境。

它们太关注眼前的每一步，却忘了最终的目的地。

针对这一痛点，厦门大学和香港科技大学提出一种名为MAGE（魔法师，Multi-scale Autoregressive Generation）的离线强化学习新算法。

MAGE 与现有序列生成方法不同，MAGE 采用自顶向下的 " 由粗到细 " 生成策略，先建模轨迹的宏观规划，再逐步细化微观细节。

MAGE 的核心思路非常符合人类的直觉：" 自顶向下、由粗到细 "。

这就好比画一幅素描，你不会一上来就描绘眼睛的睫毛，而是先画出整体的身体轮廓（宏观规划），再逐步细化五官和表情（微观动作）

△  MAGE 的思考过程从一场 " 迷宫寻宝 " 揭示 AI 规划的盲区

为了直观展示现有模型的缺陷，研究团队设计了一个迷宫吃金币小实验。智能体需要从随机起点出发，依靠对环境的长程空间理解，先吃银币，再吃金币，最后抵达终点。

△  各个算法在迷宫环境的表现

然而，面对这种需要全局规划的场景，现有的模型纷纷暴露了缺陷。

Decision Transformer 受限于单向自回归特性带来的全局上下文缺失，它在长程规划中完全迷失方向，最终连终点都未能抵达。

Decision Diffuser 则由于扩散模型固有的局部生成偏差，生成的轨迹往往只能保证局部合理；虽然智能体抵达了终点，却遗漏了关键的一枚金币，全局连贯性较差。

Hierarchical Diffuser 虽然尝试通过分层结构建模全局轨迹，但由于其固定的双层结构过于僵硬，高低层策略之间缺乏有效协同，生成的轨迹甚至出现了物理违规的 " 穿墙 " 现象，全局规划与局部动作严重脱节。

相比之下，MAGE 则通过多尺度 " 从粗到细 " 的生成架构成功完成了任务。它首先在最粗的时间尺度上勾勒出包含所有关键节点的宏观全局轮廓，随后利用多尺度 Transformer 在更细的时间尺度上逐层细化，顺利规划出完整的路径。

MAGE 的核心思路：从画大纲到扣细节

MAGE 采用 " 自顶向下、由粗到细 " 的生成方式。MAGE 包含两大核心模块，并辅以精确的控制机制：

△  MAGE 的架构图

MTAE 多尺度轨迹自编码器：MAGE 将长序列轨迹转化为从粗到细的多尺度离散 Token。粗尺度的 Token 负责掌控全局长程结构，最细尺度的 Token 则详细建模短期的动态细节。

多尺度条件引导自回归生成：模型使用 Transformer 序列化地生成这些多尺度 Token。在生成每层时，都会严格以 " 目标回报 " 和 " 初始状态 " 作为条件进行约束，确保智能体的每一步都在朝着最终目标前进。

条件引导细化与动作决策：因为把连续世界变成离散 Token 会丢失信息，普通的生成过程容易让轨迹起点偏离现实。为此，MAGE 在解码器中集成了轻量级的适配器（adapter）模块，并引入了条件引导损失函数 Lcond，强制解码出的初始状态与真实环境是精确对齐的。最后，通过潜在逆动力学模型决定最终的动作。

实验表现：长序列任务全面超越，推理速度满足实时控制

研究团队在包含 Adroit、Franka Kitchen、AntMaze 等5 个离线 RL 基准测试中，将 MAGE 与15 种具有代表性的基线算法进行了广泛的评估。

多任务表现出色

在极具挑战的高维连续控制Adroit 机械臂任务中，面对极其稀疏的奖励，MAGE 实现了显著的性能提升，大幅优于对比方法。在强调子目标执行顺序的Franka Kitchen 组合任务中，MAGE 凭借捕获全局结构和局部细节的能力，以相当大的优势超越了所有竞争算法。

在迷宫导航任务中，MAGE 在所有数据集上均取得了最佳性能，证明了其处理长序列导航任务的卓越能力。

极高的推理效率与部署潜力

MAGE 在保持高性能的同时，实现了出色的计算效率平衡。实验数据表明，MAGE 的运行速度比 Hierarchical Diffuser 快约 50 倍，比 Decision Diffuser快 80 倍。其每步推理时间保持在 27 毫秒，完美满足了真实机器人控制所要求的 20 Hz实时运行门槛。

结语

MAGE 成功地将多尺度轨迹建模与条件引导相结合，通过 " 从粗到细 " 的自回归框架生成连贯且可控的高回报轨迹。当有一天，机器人不再需要人类一口一口地 " 喂 " 奖励，而是能够自主审视全局，制定长远计划并流畅执行时，也许具身智能的下一个奇点就真正到来了。

论文链接：

https://arxiv.org/abs/2602.23770

开源代码：

https://github.com/xmu-rl-3dv/MAGE

实验室主页：

https://asc.xmu.edu.cn/

作者介绍：

本文第一作者来自厦门大学空间感知与计算实验室（ASC Lab）2024 级硕士生林晨兴、2025 级硕士生高鑫辉，通讯作者为厦门大学沈思淇副教授，并由张海鹏、李欣然（香港科技大学）、王海涛、梅松竹副研究员、刘伟权副教授（集美大学）、王程教授共同合作完成。研究团队长期聚焦于强化学习，多智能体系统以及大模型智能体。

一键三连「点赞」「转发」「小心心」

欢迎在评论区留下你的想法！

—  完  —

我们正在招聘一名眼疾手快、关注 AI 的学术编辑实习生 

感兴趣的小伙伴欢迎关注  了解详情

点亮星标

科技前沿进展每日见