标签
本文识别出'Preference Coverage Collapse'作为多目标强化学习后见重标注中的一种失败模式，并引入'her_mix'来缓解该问题，从而在各种设置下提升性能。
介绍了Learning from Hindsight (LfH)方法，该方法将后见之明重标注应用于视觉-语言-动作模型的强化学习后训练。通过将失败的机器人轨迹重新标注为它们实际完成的任务，LfH在分布外操作任务上实现了5倍的样本效率提升。