Target policy

新的STITCH-OPE框架使用引导扩散进行离轨策略评估

研究人员开发了STITCH-OPE，一个利用引导扩散模型进行离轨策略评估（OPE）的新框架。该方法旨在处理机器人和医疗保健等领域的**高维度、长周期问题**，在这些领域中直接与环境交互不切实际。STITCH-OPE通过在引导过程中减去行为策略的分数来**提高方差**，并通过拼接**部分轨迹**来生成扩展轨迹，在基准数据集上比现有的OPE技术有显著改进。