Decoupled Q-Chunking

新基准SegBench-GC测试强化学习中的分割不变性

研究人员推出SegBench-GC，这是一个旨在测试多步离线目标条件强化学习中分割不变性的新基准。该基准突显了记录轨迹中的人为边界如何显著影响学习结果，即使底层转换和目标保持不变。使用PointMaze和Puzzle-4x5环境进行的实验表明，不同的分割处理方法，例如持续有效目标（CVT）与朴素吸收边界，会导致显著的性能差异，其中CVT显示出更稳健的结果。