清华AIR提出高阶动作监督方法

2026年10月10日，清华大学智能产业研究院（AIR）提出高阶动作监督方法。该方法在不改变原有策略网络架构的前提下，通过额外引入一阶动作约束项来拟合动作随时间的变化。该方案可覆盖确定性策略、高斯随机策略和流匹配策略，并结合连续时间HJB框架拓展至离线强化学习的价值学习。实验结果显示，该方法在OGBench基准的50个任务中取得显著性能提升，并在D4RL约10k样本的小数据设定下，大幅改善了模型表现与动作平滑度。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。