学习何时停止：面向连续控制的前缀最优动态扩散策略

论文提出前缀最优生成策略（POGP），在扩散策略的每个中间去噪步骤学习前缀价值函数，并用其训练中间动作、支持测试时自适应提前停止。在4个MuJoCo环境和12个基线比较中，去噪迭代次数约减少2.7倍，同时保持接近完整性能；相较动态扩散基线，最终任务性能提升约3.5%。