Functional Reward Encoding

新的Dual-Force算法增强了AI策略的多样性和鲁棒性

研究人员开发了Dual-Force，这是一种新的离线算法，旨在增强模仿约束下的多样性最大化。该方法旨在将演示数据转化为不同的行为策略，从而在无需额外环境交互的情况下提高对分布变化的鲁棒性。Dual-Force通过使用范德华力目标的离策略估计器来实现这一点，该估计器消除了对技能判别器的需求，并通过预训练的功能奖励编码通过内在奖励稳定训练。