arXiv cs.LG· Junwei Quan, Evgenii Opryshko, Nicholas Rhinehart, Igor Gilitschenski·· 25 天前AI 评分35
面向目标条件强化学习的世界模型策略仲裁器 WMPA
World-Model Policy Arbiter for Goal-Conditioned Reinforcement Learning
AI 导读
研究者提出面向目标条件强化学习的测试时框架 WMPA，通过在学习到的世界模型中推演展开多个冻结策略并以共享价值函数评估，动态仲裁并执行得分最高的策略。该方法无需策略重训练或任务特权知识。在 OGBench 的 18 个状态数据集评测中，WMPA 将宏平均成功率从最佳单策略的 44% 提升至 58%，并在 12 个数据集上取得显著提升。
来源：arXiv cs.LG · arxiv.org