近日，L-MAP技术在离线强化学习（Offline RL）领域取得了显著进展，特别是在处理随机、高维连续动作空间中的序列决策问题。L-MAP通过结合VQ-VAE模型，成功学习并优化了宏动作（macro-actions），从而显著提升了决策...

策略引导扩散（Policy-Guided Diffusion）是一种新颖的训练代理的方法，适用于离线环境。该技术通过创建与行为和目标策略都非常接近的综合轨迹，从而生成更加真实的训练数据。这不仅有助于提高离线强化学习模型的性...

《流体盒子》介绍了一种新颖的实验系统，用于在动态的现实世界环境中测试强化学习算法，解决了模拟强化学习应用中复杂流体动力学的挑战。它展示了无模型强化学习算法从简单奖励中生成复杂行为的能力，并通过离线强化...