arXiv Artificial Intelligence· Chang-Hoon Jeong, Kisung Shin, Hanwool Sul, Byoung-Tak Zhang·2026-10-15 12:00· 19 小时前AI 评分22

PLATO：面向鲁棒离线元强化学习的悲观潜在任务感知优化

Pessimistic Latent Task-aware Optimization for Robust Offline Meta-Reinforcement Learning

AI 导读

PLATO 通过将推断出的任务潜在表示从训练质心向外扰动，合成反事实任务，并用学习到的解码器集成在扰动潜变量上展开短轨迹，以悲观权重更新策略。在八个 MuJoCo 连续控制基准上，PLATO 在分布外任务回报上持续优于强 COMRL 基线，同时在分布内任务上保持竞争力。