Chelsea Finn 提出无需动作条件化的 Q 函数参数化

Chelsea Finn 提出“生成式价值分类器”，一种不需要动作条件化的 Q 函数参数化方式。她称该方法可与大型预训练策略结合，并从更丰富的输出信号中学习和泛化。 该方法针对机器人策略强化学习中的一个问题：critic 需从稀疏奖励单独训练，无法利用预训练动作数据；其思路是让 critic 像策略一样从动作中学习。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。