跳到主要内容
检索

Daniel Lawson

1 篇关联报道

订阅更新
  1. arXiv

    目标不必来自真实轨迹:TD-Aug用几何视界模型想象目标,拼接任务平均成功率从31升到79

    离线目标条件行为克隆在需要拼接的任务上泛化很差,因为训练目标只来自单条轨迹的未来状态。TD-Aug改为从几何视界模型采样混合策略的后继测度,把想象出的远期状态当作额外目标训练策略。在OGBench的pointmaze拼接任务上,平均成功率由31升到79,并超过GCIQL、QRL、CRL与HIQL等离线目标条件强化学习基线。

已读完全部报道