目标条件策略学习中的信息视界诅咒

研究发现在目标条件策略学习中存在“信息视界诅咒”，增大目标重标记视界会降低动作与目标的条件互信息，显著削弱策略性能与泛化。目标条件行为克隆（BC）会出现严重的视界相关性能退化，强化学习（RL）可缓解该退化，且策略敏感性会从目标转向状态。将短视界策略的输入雅可比蒸馏至长视界策略，在组合操作任务中取得了显著性能提升。