HiQC

新HiQC算法增强了长时序任务的离线强化学习能力

研究人员推出了一种名为HiQC（Hierarchical Implicit Q-Chunking）的新型算法，旨在改进用于长时序任务的离线目标条件强化学习。HiQC通过结合高层潜在规划和低层动作分块来解决“时序诅咒”问题，从而实现更准确的价值估计。该方法在理论上展示了更紧密的价值误差界限，并在OGBench套件上取得了实证上的最佳性能，尤其在人形巨型机器人等复杂导航任务中表现出色。