★ 3
世界模型策略仲裁器用于目标条件强化学习
论文提出世界模型策略仲裁器（WMPA），在测试时把一组冻结的目标条件策略作为组合，在学习到的状态空间世界模型中推演各策略未来，用共享价值函数评分并短周期执行最优策略。在 OGBench 18 个数据集上把宏平均成功率从 44% 提升到 58%。
arXiv cs.LG24 天前
共 1 篇相关资讯，按重要度与时间排序，每 3 小时更新。
论文提出世界模型策略仲裁器（WMPA），在测试时把一组冻结的目标条件策略作为组合，在学习到的状态空间世界模型中推演各策略未来，用共享价值函数评分并短周期执行最优策略。在 OGBench 18 个数据集上把宏平均成功率从 44% 提升到 58%。