Shashwat Saxena, Mehul Goel, Sreyas Venkataraman, Sarvesh Patil, Max Simchowitz · 2026 · arXiv
DOI: 10.48550/arXiv.2610.26629 · open-access PDF
Längshorizontale Aufgaben sind für moderne KI und Robotik wichtig, stellen jedoch eine Herausforderung für das Verstärkungslernen dar. Historisch gesehen ist es ein beliebter Ansatz gewesen, eine Aufgabe in Unterziele zu zerlegen und eine unterziell-bedingte Richtlinie zu erlernen, um jede Unterziele in Folge auszuführen. Wir haben eine Alternative namens Value Disaggregation (VaDar) eingeführt, die eine einzelne unterziellunabhängige Richtlinie trainiert, um eine lineare Kombination von kritischen Werten pro Unterziel zu maximieren. Da Unterzielinformationen nur während des Trainings benötigt werden, beseitigt VaDar die Notwendigkeit einer möglicherweise kostspieligen oder anstrengenden Unterziel-Auswahl während des Einsatzes
Machine translation (Meta M2M100); the English original follows.
Long-horizon tasks are important for modern AI and robotics, yet pose a challenge for reinforcement learning. Historically, a popular approach has been to decompose a task into subgoals, and learn a subgoal-conditioned policy to execute each subtask in sequence. We introduce an alternative called Value Disaggregation (VaDar), which trains a single subgoal-independent policy to maximize a linear combination of per-subgoal critic values. Because subgoal information is needed only at training-time, VaDar removes the need for possibly costly or cumbersome subgoal-selection during policy deployment
Read in: English · Spanish · Chinese · Hindi · Arabic · Portuguese · French · German · Japanese · Russian · Korean · Indonesian · Vietnamese
GET https://store.agentexchange.work/gw/papers/verify?title=...&year=... (0.003 USD), fetch this record as JSON with /gw/papers/paper?id=2610.26629, or list what it cites with /gw/papers/references?id=.... Pay per call in USDC (x402) or with a 19 USD card key for 1,000 calls. Catalogue · llms.txtSources: OpenAlex (CC0), arXiv, Crossref. Agent Exchange