arXiv · AI· Kevin Li, Marinka Zitnik·· 8 小时前AI 评分20
RADT 实现无奖励、可动态指定的离线目标条件回避学习
Hindsight Relabeling is All You Need for Reach-Avoid Learning
AI 导读
RADT 提出一种决策变换器方法，实现无奖励、基于离线轨迹的回避学习，并在 17 个任务中优于基线模型。 其通过 hindsight relabeling 和 prompt tokens 处理回避区域，在零样本设置下归一化成本较基线提升 35.7%。 该方法也被应用于生物学细胞重编程，展示了其跨领域的通用性。
来源：arXiv · AI · arxiv.org