Shashwat Saxena, Mehul Goel, Sreyas Venkataraman, Sarvesh Patil, Max Simchowitz · 2026 · arXiv
DOI: 10.48550/arXiv.2610.26629 · open-access PDF
Les tâches à long terme sont importantes pour l'IA moderne et la robotique, mais posent un défi pour l'apprentissage du renforcement. Historiquement, une approche populaire a été de décomposer une tâche en sous-objectifs, et d'apprendre une politique conditionnée par des sous-objectifs pour exécuter chaque sous-objectif en séquence. Nous introduisons une alternative appelée Value Disaggregation (VaDar), qui forme une politique unique indépendante des sous-objectifs pour maximiser une combinaison linéaire de valeurs critiques par sous-objectif.
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