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。

本文研究了离线强化学习中的策略评估与优化，提出了递归方法、混合策略微调算法和基于后验采样的算法，以提高样本复杂度和学习效率。这些研究为解决马尔可夫决策过程中的问题提供了新思路，具有重要的应用价值。

本文提出了一种新的离线强化学习策略评估框架，利用动态因子模型处理双不均性，开发了支持模型和无模型方法的评估技术。研究提供了基准数据集，以评估和选择复杂政策，解决历史数据中的协变量偏移问题，并提出有效的估算器。该框架在不同环境下表现优于现有算法，能够更准确地评估政策效用。

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。