arXiv · ML· Zhanjiang Yang, Lijun Sun, Yueming Li, Meng Li, Yijun Yang·· 3 天前AI 评分22
Foundation Pareto Flow Policy for Multi-Objective Reinforcement Learning
Foundation Pareto Flow Policy for Multi-Objective Reinforcement Learning
AI 导读
研究团队提出用于离线多目标强化学习(MORL)的 Foundation Pareto Flow Policy (FP2) 方法,在 D4MORL 基准测试中超越了之前的最先进方法。 FP2 基于多模态扩散 Transformer 架构和似然无关流匹配损失,采用预训练、中训练和后训练三阶段流水线优化策略。 该方法实现了复杂 Pareto 流形上的零样本插值与外推,并能高效适配新连续控制任务。
来源:arXiv · ML · arxiv.org