arXiv·· 13 天前AI 评分24
HTB：面向离策略子目标价值学习的分层时间感知自举方法
Hierarchical Time-aware Bootstrapping for Off-Policy Subgoal Value Learning
AI 导读
针对 HIRO 在低层策略变化后子目标重标注导致价值更新目标偏移的问题，研究者提出分层时间感知自举（HTB），在当前低层策略下评估指定子目标并保留累积任务奖励，同时用剩余执行时间区分子目标延续与新高层决策。
来源：arXiv · arxiv.org