研究者提出价值分解算法VaDar

1. 12:00
   arXiv · ML

   VaDar: 通过价值分解实现隐式目标条件化

   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。

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。