从离线数据中学习可变目标的控制策略

BriefGPT - AI 论文速递 · 2023-08-11T00:00:00Z

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。