行为克隆中组合泛化的自预测表征
机器学习
2026-04-21 v3 人工智能
摘要
虽然基于目标的行为克隆（GCBC）方法在分布内训练任务上表现良好，但它们不一定能零样本泛化到需要基于新颖状态-目标对进行条件的任务，即组合泛化。这一局限性部分可归因于行为克隆所学状态表征中缺乏时间一致性；如果时间相关的状态能被恰当地编码为相似的潜在表征，那么新颖状态-目标对的分布外差距将会缩小。我们通过展示如何通过后继表征（SR）鼓励长程时间一致性来促进泛化，从而形式化了这一概念。随后，我们提出了一种简单而有效的表征学习目标——用于 GCBC 的 ，该方法在理论上通过自预测表征近似有限 MDP 情况下的后继表征，并在需要组合泛化的一系列具有挑战性的任务上取得了具有竞争力的经验性能。
引用
@article{arxiv.2506.10137,
title = {Self-Predictive Representations for Combinatorial Generalization in Behavioral Cloning},
author = {Daniel Lawson and Adriana Hugessen and Charlotte Cloutier and Glen Berseth and Khimya Khetarpal},
journal= {arXiv preprint arXiv:2506.10137},
year = {2026}
}