提出PLATO改进离线元强化学习的分布外泛化

Chang-Hoon Jeong 等人在arXiv发布论文，提出悲观潜在任务感知优化方法 PLATO，应对基于上下文的离线元强化学习中策略在超出支持范围任务上失效的问题。方法通过从质心向外扰动潜在向量合成反事实任务，并用解码器集成以悲观权重更新策略，使策略在训练中接触支持范围外的潜在表示。 据论文实验，在八个 MuJoCo 连续控制基准上，PLATO 在超出支持范围任务的回报上一致优于强 COMTO 基线（论文表述为优于强 COMRL 基线），同时在分布内任务上保持竞争力，代码已开源。

AI 根据报道生成 · 54 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。