VPFlow

新的VPFlow方法在离线强化学习中优先考虑价值预测

研究人员开发了VPFlow，一种新颖的离线目标条件强化学习方法，该方法优先考虑价值预测而非状态预测进行规划。该方法使用价值回归作为潜在世界模型的唯一监督，使其能够通过关注价值场的等值线来探索数据集转换之外的区域。VPFlow将这些价值预测表示与一步流策略和进化搜索相结合，在OGBench数据集上的成功率方面，与现有的无模型和潜在规划基线相比，均取得了显著的改进。