研究团队提出了可控生成世界模型Ctrl-World，帮助机器人在“想象空间”中进行任务预演和策略评估。该模型在零真机数据下，成功率从38.7%提升至83.4%，显著提升了机器人在复杂场景中的表现。

本文提出了一种新颖的演员-评论者算法，有效解决了策略评估和优化中的样本复杂度问题，能够以较低的样本复杂度实现$ ext{ε}$-最优策略，尤其在离线数据中表现突出。

本研究提出AutoEval系统，旨在全自动化评估机器人学习中的策略，提升评估效率与质量，并与人工评估高度一致，促进广泛应用。

本研究提出了一种新型多智能体强化学习算法Loc-FACMAC，解决了去中心化系统中个体机器人动作评估不准确的问题。通过引入邻域概念，显著提高了策略评估的精准度，实验结果表明其性能优于现有算法，提升幅度可达108%。

本研究提出了Proj-IQL算法，旨在解决离线强化学习中的外推误差问题。通过引入支持约束和矢量投影技术，优化策略评估与改进。实验结果表明，Proj-IQL在D4RL基准测试中表现优异，尤其在复杂导航任务中。

本文研究了学习策略中监督者变化的问题，提出了一种从收敛监督者进行模仿学习的方法。作者将该框架与DPI强化学习算法结合，在连续控制任务中表现优于深度强化学习基线，并实现了策略评估速度提升至80倍。

我们提出了一种新的最大熵强化学习框架EBFlow，集成了策略评估和策略改进步骤，支持多模态动作分布建模。实验结果显示，EBFlow在高维机器人任务上优于传统方法。

本文介绍了一种名为ADA-NSTORM的方法，利用自适应学习率解决组合型最小极大优化问题，比NSTORM更有效。该方法推动了组合型最小极大优化的发展，保证了分布鲁棒性和策略评估的关键能力。