arXiv · ML· Morgan Byrd, Jacob Blevins, Maks Sorokin, Robert Wright, Sehoon Ha·· 2026-10-07AI 评分23
Reward as Observation 提出仅依赖奖励和动作的零样本策略,实现不同观测空间间快速适应
Reward as Observation: Learning Reward-Based Policies for Rapid Adaptation
AI 导读
该研究提出一种仅基于奖励和动作(rewards and actions)作为条件的策略,实现了观测空间完全不同的源环境与目标环境之间的零样本迁移。 在 Pointmass、Cartpole 和 2D Car Racing 环境中训练的该策略,可零样本迁移至不同配色或 3D 渲染观测,并用于指导目标环境中基于观测的策略训练。
来源:arXiv · ML · arxiv.org