VaDar：通过价值分解实现隐式目标条件化

VaDar 提出价值分解方法，训练单一不依赖子目标的策略，最大化各子目标 critic 值的线性组合，子目标信息仅在训练时使用，部署时无需选择子目标。实验显示其始终与目标条件化等基线相当且常优于基线，并能处理非序列目标结构与多优化目标。VaDar 是首个在 RoboCasa 套件中解决高难度长时程任务的算法，即使从行为克隆预训练、初始任务成功率接近零的策略出发也能成功。