技术栈
meta rl
MoonOut
21 天前
offline rl
·
meta rl
offline meta RL | 论文速读记录
主要内容：结果 1：随机意图确实产生多样且高质量行为。实验显示，UBER提取的行为策略：结果 2：在线学习加速显著。在Mujoco运动任务中，UBER相比基线方法：
我是有底线的