arXiv cs.RO 机器人学· Kexin Zheng, Xianyuan Zhan, Xintao Yan·· 5 小时前精选AI 评分55
VAST：通过价值拼接实现时域自适应的离线策略学习
Horizon Adaptive Offline Policy Learning via Value Stitching
AI 导读
NeurIPS 2026 论文提出 VAST（VAlue STitching），用递归的时域自适应价值组合替代固定步长回溯，将价值优化与未来状态和时域长度条件化的辅助价值函数耦合，并通过拼接策略选择奖励最大化的时域长度与未来子目标。在 OGBench 的 50 个任务上，VAST 超过固定步长、扩展时域方法和生成式价值离线 RL 基线，在高复杂度长时域决策任务上表现尤为突出。
推荐理由
论文指出固定步长价值估计在长时域多阶段任务上的偏差问题，并给出动态时域组合的替代方案，可作为离线 RL 价值建模的参考。
来源：arXiv cs.RO 机器人学 · arxiv.org