arXiv · cs.RO· Ruiqi Wang; Dezhong Zhao; Xuesu Xiao; Erdem Biyik; Byung-Cheol Min; Guohua Chen·· 8 天前精选AI 评分67
论文 / 摘要阅读
PrefO2O：通过离线到在线潜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 · 根据来源整理
PrefO2O 提出一种离线到在线潜偏好迁移框架，可在没有人工反馈的情况下对未见目标任务做零样本偏好强化学习。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偏好空间，将可迁移偏好结构与任务特定变化解耦，并用置信度加权最优传输对齐生成伪偏好监督用于在线奖励适配。
本站目前提供摘要
以上是对来源材料的中文整理，不是完整论文或全文。研究方法、数据与完整论述请到来源页面核对。
前往 arXiv · cs.RO 阅读原文 ↗来源：arXiv · cs.RO · arxiv.org