摘要:离线强化学习中的数据常由多种策略混合采集, 导致动作空间呈现复杂多模分布. 现有扩散策略虽能有效刻画多模分布, 但由于其动作生成依赖多步逆向推理, 效率较低. 此外, 生成的动作可能接近分布外区域, 但并不完全超出数据支持范围, 这种不确定性容易引起Q值高估, 导致策略不稳定或性能退化. 鉴于此, 提出一种基于Q集成下置信域引导的高效扩散策略(E2DP). 该方法通过设计两步逆向推理机制, 在显著降低推理开销的同时保留对多模的动作分布的建模能力. 为解决Q值高估问题, 引入集成Q网络下置信域估计, 利用独立目标函数和随机权重系数的方差正则化增强网络多样性, 使E2DP仅需少量Q网络即可在分布内动作与数据支持附近的潜在高价值候选之间形成有效权衡, 有效提升策略的性能及鲁棒性. 在Bandit任务和D4RL基准任务上的实验结果表明, E2DP在保持与现有扩散策略相当分布表达能力的同时, 推理速度提升约2.5倍, 并在多个任务中取得最优归一化得分.