C-Slerp：自监督强化学习表示与规划方法

自监督强化学习算法 C-Slerp 无需先验数据、奖励、示范或预训练模型，即可从零学会搭建最多八块积木的塔。该方法用对比表征作为可复用组件，在超球面参数化下通过球面线性插值闭式推断中间路点序列，无需训练高层策略或做图搜索，表征几何还能根据任务难度调整路点数量。实验显示其在长时程导航与机器人操作任务上成功，部分强基线一次都无法成功；消融实验表明固定路点数量会显著降低性能。

摘自 arXiv：cs.LG

还没有足够的连续观测数据，暂不绘制趋势。