arXiv · ML· Shashwat Saxena, Mehul Goel, Sreyas Venkataraman, Sarvesh Patil, Max Simchowitz·· 9 小时前AI 评分31
VaDar: 通过价值分解实现隐式目标条件化
VaDar: Implicit Goal Conditioning via Value Disaggregation
AI 导读
研究者提出 VaDar（价值分解）算法，训练单一子目标无关策略以最大化各子目标 critic 价值的线性组合，彻底移除策略部署阶段的子目标选择步骤。 该算法在实验中始终具有竞争力且常优于目标条件化等基线，成功解决具有非序贯目标结构的多优化目标任务。 VaDar 是首个在 RoboCasa 测试集中解决长程任务的算法，即便从行为克隆预训练且初始任务成功率接近零的策略起步。
来源：arXiv · ML · arxiv.org