面向跨域离线强化学习的目标对齐生成
机器学习
2026-05-14 v1 人工智能
摘要
跨域离线强化学习旨在仅通过预收集的数据，从源域适配策略至目标域，其中环境动力学可能不同。关键挑战在于如何利用源数据以降低分布性不匹配，尤其当目标数据极其有限时。为此，我们提出 Target-aligned Coverage Expansion（TCE）框架，决定源数据应如何被使用：要么直接纳入接近目标的转移，要么通过目标对齐生成扩展状态覆盖，依据理论分析为导向。TCE 基于双 score-based 生成模型，对扩展后的状态区域合成目标一致的转移。广泛实验表明，TCE 在多样化跨域环境中持续超越最新跨域离线 RL 基线。
引用
@article{arxiv.2605.13054,
title = {Bridging Domain Gaps with Target-Aligned Generation for Offline Reinforcement Learning},
author = {Minung Kim and Jeongmo Kim and Gwanwoo Choi and Seungyul Han},
journal= {arXiv preprint arXiv:2605.13054},
year = {2026}
}