VaDar：价值分解实现隐式目标条件化

2026年10月20日，arXiv Artificial Intelligence 刊出 Shashwat Saxena 等作者的报道，提出 VaDar（Value Disaggregation，价值分解）强化学习算法。报道称，VaDar 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，VaDar 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。报道还称，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。目前进展限于该篇报道所述方法与实验结论，尚无后续跟进报道。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。