FourRoom

新方法通过学习目标条件子目标来训练分层世界模型

研究人员开发了一种新颖的方法来训练分层世界模型，该模型通过学习目标条件子目标来规划长远目标。该方法用一个生成条件向量的轻量级网络取代了昂贵的搜索过程，而一个固定的预测器则生成潜在的航点。训练利用了回溯目标和离线轨迹上的状态预测损失，无需显式的搜索解决方案目标或宏动作标签。在包括 Cube 和 Visual AntMaze 在内的各种环境上的评估显示，与基线方法相比，性能有所提高，并且在 NVIDIA L40S 硬件上实现了显著的端到端加速。