基于技能步骤抽象的离线策略学习用于长时程目标导向任务

Weighted GCSL是一种离线目标导向强化学习算法，通过引入高级复合权重，优化目标达成的下界限，适用于点和模拟机器人。

GoFAR是一种基于回归的离线GCRL算法，通过状态匹配方法解决目标达成任务，充分利用价值函数和策略网络的优势，表现优异。

研究提出了一种层次化的方法，将模仿学习和离线强化学习结合，学习长时程策略并通过技能链接合并潜在行为先验。

提出了一种新的学习目标，通过优化已实现和未来需要探索的目标的熵，提高探索效率。

在自监督学习阶段处理预先收集的数据集，理解模型结构和动态，强化离线学习策略。

TraIL算法通过利用轨迹信息预测动作和目标子目标，提升智能体在更多目标状态下的性能表现。

引入Goal-Conditioned Predictive Coding (GCPC)方法，提取有用表示并对政策学习做出贡献。

提出一种无监督框架，从无标签的离线数据中预训练通用策略，能够快速适应新任务。

DuSkill框架通过引导式扩散模型生成多功能技能，增强策略学习的稳健性。