arXiv 机器学习· Daniel Lawson, Dhruv Sreenivas, Adriana Hugessen, Khimya Khetarpal, Glen Berseth·2026-10-15 12:00· 9 小时前AI 评分34

利用几何时域模型构想目标以提升策略泛化能力

Imagining Goals with Geometric Horizon Models for Policy Generalization

AI 导读

研究人员提出新方法 TD-Aug，通过从几何时域模型中采样来直接构想组合现有知识可达到的新结果，以解决离线强化学习在零样本目标泛化和长时域生成中的难题。实验表明，将这些未来构想结果作为目标来训练目标条件行为克隆（BC）策略，能显著提升在基于拼接的 OGBench 任务上的泛化能力。

来源：arXiv 机器学习 · arxiv.org