多目标强化学习新方法：路由集成与轨迹归因

Zhenshuo Zhang、Ruoxuan Xiong 和 Hongyang R. Zhang 发表论文，提出路由集成策略学习算法：维护一小组基策略，将轨迹动态路由至潜在奖励最高的策略。作者称，在 Meta-World 和 MO-Gymnasium 在线环境中，该方法平均性能较基线提升 4.3%。 论文同时提出核代理轨迹归因方法，并引入目标冲突系数，据此推导在线场景的近最优遗憾界，用以量化目标错位对学习效率的影响。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。