robo-valuerl

v_JULY_v3 小时前
价值函数·robo-valuerl
Robo-ValueRL——面向离线到在线RL的可靠价值估计：同时捕捉全局任务进度和局部动作偏好，先离线预训练，后在线提升(即在线残差策略自适应)如原论文Robo-ValueRL所说，离线到在线的RL在实现具有良好泛化能力的机器人操作方面前景广阔，但其端到端系统的高度复杂性使复现与诊断变得困难。在这类系统中，价值估计在对异质数据进行优先级排序以提升策略时起着核心作用
我是有底线的