Goal-Conditioned RL（目标条件强化学习）

在目标条件强化学习中，策略的输入不仅包括状态，还包括目标，输出动作以达成目标。这使智能体能够泛化到不同目标，而无需为每个目标单独训练。主要挑战包括稀疏奖励和样本效率。HER通过将失败经验重新标记为达成其他目标来缓解稀疏奖励问题。UVFA则学习目标与状态值的联合嵌入。该方向在机器人控制、导航和推荐系统中有广泛应用，是实现通用智能体的关键步骤。