从离线数据中学习可变目标的控制策略
原文中文，约300字，阅读约需1分钟。发表于：。离线强化学习是一种获取动态系统先进控制策略的可行方法，尤其是在无法直接与环境互动时。本文介绍了一种名为可变目标策略（VOP）的基于模型的策略搜索方法的概念扩展。通过此方法，策略被训练以有效地泛化各种目标，这些目标对奖励函数进行参数化。我们证明了通过改变作为输入传递给策略的目标，用户可以在运行时自由调整其行为或重新平衡优化目标，无需收集额外的观察数据或重新训练。
本文介绍了可变目标策略（VOP）的概念扩展，一种基于模型的策略搜索方法。通过VOP，策略可以在不重新训练或收集额外数据的情况下，有效地泛化各种目标。用户可以在运行时自由调整行为或重新平衡优化目标。
