跳到正文
arXiv · ML· Chang-Hoon Jeong, Kisung Shin, Hanwool Sul, Byoung-Tak Zhang·· 2026-10-14AI 评分33

PLATO:基于悲观隐空间任务感知优化的鲁棒离线元强化学习方法

Pessimistic Latent Task-aware Optimization for Robust Offline Meta-Reinforcement Learning

AI 导读

针对离线元强化学习中隐变量超出训练分布导致泛化失败的问题,提出 PLATO 方法。 该方法基于流形假设,将任务隐变量向远离质心方向扰动,利用解码器集成在扰动后的隐变量上生成轨迹,并通过悲观权重对集成模型分歧大的步骤进行降权,从而提升策略在分布外任务上的表现。

来源:arXiv · ML · arxiv.org