增强技能的从演示中加速强化学习

提出了一种基于专家示范的演员-评论家强化学习算法，确保性能不受专家示范局限的影响。

结合过往数据与在线学习的策略，使用动态规划和策略更新提高学习效率。

通过学习技能先验分布，最大熵强化学习在导航和机器人操作任务中实现有效技能传输。

基于示教引导的强化学习方法提取共享子任务结构，显著提高学习效率。

提出Hierarchical Kickstarting（HKS）方法，将技能融入强化学习训练，在复杂环境中表现优于其他方法。

ASPiRe通过学习不同技能先验并组合解决新任务，加速学习的下游任务。

使用状态条件生成模型加速技能空间探索，显著提高探索速度。

Skill-Critic算法结合高层技能选择优化决策性能，提升在稀疏环境中的表现。

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。

SUPE方法通过提取低级技能和伪标记未标记数据，显著提高探索效率，超越以往策略。