后见重标记是到达-规避学习所需的一切

该预印本提出 RADT 方法：利用后见重标记，从随机策略产生的离线轨迹中学习到达-规避行为，并报告其可零样本泛化到新的规避区域。研究属于离线强化学习方法探索，尚未经同行评审；其结论限于所报告的仿真任务与数据条件，不能推广到真实机器人或人类行为。

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。