arXiv cs.RO· Ruiqi Wang, Dezhong Zhao, Xuesu Xiao, Erdem Biyik, Byung-Cheol Min, Guohua Chen·· 3 小时前AI 评分64
PrefO2O：通过离线到在线潜在偏好迁移实现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
PrefO2O 提出离线到在线潜在偏好迁移框架，在目标任务上无需任何人类反馈即可实现零样本偏好强化学习（PbRL）。该方法从源任务的少量离线偏好数据中学习任务无关的潜在偏好空间，将可迁移的偏好结构与任务特定变化解耦，并通过置信度加权的最优传输对齐生成伪偏好监督用于在线奖励适应。
来源：arXiv cs.RO · arxiv.org