研究人员开发了RADT,一种用于Reach-Avoid任务离线强化学习的新型决策Transformer方法。该方法将目标和避开区域直接编码为提示令牌,从而能够在评估时动态指定避开区域,而无需奖励或成本监督。RADT展示了强大的泛化能力,在零样本设置下通过将归一化成本提高35.7%而优于现有模型,并在细胞重编程等应用中显示出通用性。 AI
影响 增强了具有动态规范的复杂任务的强化学习能力。
排序理由 该集群包含一篇详细介绍强化学习新方法的论文。[lever_c_demoted from research: ic=1 ai=1.0]
- alphaXiv
- arXiv
- CatalyzeX
- DagsHub
- Gotit.pub
- Hindsight Relabeling
- Hugging Face
- IArxiv
- Kevin Li
- RADT
- ScienceCast
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →