2024年2月27日
offline RL · PbRL | OPPO：PbRL 场景的 offline hindsight transformer
摘要： 将 offline HIM 应用到 PbRL，① 用离线轨迹训练 a=π(s,z) ，② 训练最优 hindsight z* 靠近 z+ 远离 z-。 阅读全文
posted @ 2024-02-27 21:38 MoonOut 阅读(132) 评论(0) 推荐(0)
offline RL | HIM：基于 hindsight 的 RL 是一类大 idea
摘要： 将 offline 训练轨迹中，当前时刻之后发生的事 作为 hindsight，从而训练出 想要达到当前 hindsight 的 action。 阅读全文
posted @ 2024-02-27 21:08 MoonOut 阅读(379) 评论(0) 推荐(0)
offline RL | 读读 Decision Transformer
摘要： ① sequence: {s, a, R, s, ...}；② 在 s 的 decode 结果上加 MLP 预测 action；③ 给定 return-to-go 作为某种 hindsight。 阅读全文
posted @ 2024-02-27 20:14 MoonOut 阅读(889) 评论(0) 推荐(2)