arXiv Artificial Intelligence· Tingrui Huang, Ai Bo, Junzhe Zhang·2026-10-15 12:00· 17 小时前AI 评分24

CauCRL：用反事实 rollout 做离线对比目标条件强化学习

Counterfactual Rollouts for Offline Contrastive Goal-Conditioned Reinforcement Learning

AI 导读

CauCRL 通过从正负离线示范中学习悲观的反事实转移，并在反事实 rollout 上训练 critic，缓解了示范者隐藏信息导致的动作—结果虚假关联问题。该方法用混杂马尔可夫决策过程形式化该设定，对所有兼容转移取最小得到真实占用率的下界，在混杂目标到达任务上成功率显著优于标准 CRL。