研究者提出无奖励reach-avoid离线强化学习框架RADT

Kevin Li 与 Marinka Zitnik 提出 RADT，一种面向离线、无奖励场景的决策 Transformer 强化学习方法，同时以目标和避让区域为条件。该方法将目标与避让区域直接编码为提示词 token，评估时可指定任意数量、任意大小的避让区域。 据作者描述，RADT 属于离线、无奖励、目标条件且避让区域条件的强化学习框架，其效果来自论文自述，尚未见独立验证。

AI 根据报道生成 · 48 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。