PLATO：提升离线元强化学习泛化能力

Chang-Hoon Jeong 等作者发布论文，提出面向离线元强化学习的方法 PLATO（Pessimistic Latent Task-aware Optimization）。该方法假设任务隐变量位于低维流形，训练时从训练质心向外扰动隐变量以合成反事实任务，将策略暴露于支持集外的隐变量，再用学习到的解码器集成在悲观权重下展开短轨迹来更新策略，目的是提升参数外推任务上的泛化能力。作者称，在八个 MuJoCo 连续控制基准上，PLATO 的分布外回报持续优于强 COMRL 基线，分布内任务表现保持竞争力。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。