跳到正文
arXiv · ML· Michal Nauman, Marek Cygan, Pieter Abbeel·· 7 天前AI 评分29

Reward-Conditioned Reinforcement Learning 提出基于反事实奖励的条件化智能体以增强策略可调整性

Reward-Conditioned Reinforcement Learning

AI 导读

RCRL 方法在固定目标下通过扰动标称奖励生成多样化监督,在单任务、多任务及视觉控制基准中提升了任务性能与样本效率。 该方法为离策略算法,利用重放数据重新计算反事实奖励,无需额外环境交互。 学习策略支持零样本行为调整,向相关目标偏移而无需再训练。

来源:arXiv · ML · arxiv.org