arXiv·· 14 天前AI 评分22
Direction-Conditioned Policies：面向在线目标条件强化学习的 DCP 方法
Direction-Conditioned Policies for Online Goal-Conditioned Reinforcement Learning
AI 导读
研究者提出 Direction-Conditioned Policies（DCP），对 Contrastive Reinforcement Learning（CRL）做小幅修改：在线训练时选取曾访问过的状态作为路标，让策略以这些路标在表示空间中的方向和距离为条件。部署时 DCP 将同一接口直接作用于最终目标，无需选择路标。
来源：arXiv · arxiv.org