利用几何时域模型构想目标以实现策略泛化

预印本摘要称，研究者针对离线数据训练中零样本目标泛化较差的问题，提出了新方法 TD-Aug。该方法通过从几何时域模型中采样，直接构想出结合既有知识可达成的新结果，缓解了世界模型在长时域生成上的困难。实验表明，将这些未来结果作为目标训练目标条件行为克隆（BC）策略，能显著提升其在基于拼接的 OGBench 任务中的泛化能力。