arXiv · 机器人与计算机视觉· Ruiqi Wang, Dezhong Zhao, Xuesu Xiao, Erdem Biyik, Byung-Cheol Min, Guohua Chen·· 24 天前AI 评分75
PrefO2O:基于离线到在线潜在偏好转移的零样本偏好强化学习
PrefO2O: Zero-Shot Preference-Based Reinforcement Learning via Offline-to-Online Latent Preference Transfer
AI 导读
针对偏好强化学习依赖昂贵人工标注的问题,该工作提出了 PrefO2O 框架,通过从少量源任务数据中学习任务不变的潜在偏好空间,实现了对未见目标任务的零样本迁移。
来源:arXiv · 机器人与计算机视觉 · arxiv.org