标签
EnvLunch 提出一种无标注的热身训练阶段，通过从可执行环境中采样并执行动作轨迹，让智能体根据最终观测恢复等价轨迹，从而在无需人工标注的情况下提升下游智能体强化学习性能，显著减少所需标注数据量。