Kevin Li与Marinka Zitnik提出RADT决策Transformer方法

Kevin Li 和 Marinka Zitnik 在 arXiv 发布论文，提出 RADT——一种离线、无奖励的决策 Transformer 强化学习方法，用于目标-避让（reach-avoid）学习。据论文所述，RADT 将目标和避让区域直接编码为 prompt token，评估时可灵活指定任意数量与大小的避让区域。 该方法使用随机策略产生的次优离线轨迹，通过其提出的避让区域事后重标注（avoid-region hindsight relabeling）方式，在没有奖励或代价监督的情况下以纯数据驱动方式学习 reach-avoid 行为。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。