通过整合演示（demonstrations）的方法，本研究探讨如何加速强化学习的收敛速度，以达到能够到达任何目标的策略，并且在与其他模仿学习算法训练的代理相比表现更好。

Jun, 2019

本文介绍了逆强化学习（inverse RL），采用逆强化学习方法来实现目标重标记技术（goal-relabeling techniques），并证实在多任务设置下，包括目标达成、具有离散奖励集合和线性奖励函数的领域中，使用逆强化学习加速了学习过程。

Feb, 2020

提出 Generalized Hindsight 方法用于将多任务学习中无用的数据转化为有用的信息，以提高强化学习中数据的复用效率。

Feb, 2020

本文提出了一种名为FGI的新的重标记策略用于改善回报稀疏性问题，并通过引入动态模型来生成模拟轨迹来提高采样效率，提出了一种名为MapGo框架用于目标导向任务的模型辅助策略优化， 并在复杂任务上的实验证明了FGI策略相比后见策略的有效性，并且MapGo框架相对于无模型的基线表现出更高的采样效率。

May, 2021

通过利用环境动态生成虚拟实现目标的模型相关再标记方法, 本文提出了模型(MHER)。模型同时执行强化学习和监督学习来实现高效的政策改进，通过实验在多个基点任务和模拟机器人环境中显示出比以前的model-free和model-based多目标方法具有明显更高的样本效率。

Jul, 2021

利用 Hindsight Foresight Relabeling 方法，将多任务强化学习中的 relabeling 概念扩展到元强化学习领域中，从而提高样本效率和渐近性能。

Sep, 2021

本文介绍了一种基于“目标条件下的先验知识学习”（GCSL）算法的延伸方法TraIL，在原有算法基础之上，通过利用轨迹的信息来预测动作和目标子目标，从而使得智能体可以在更多的目标状态下取得更好的性能表现。

May, 2023

本研究提出了一种名为Robust Model-based Hindsight Experience Replay（RoMo-HER）的框架，利用机器人操作环境中的动力学模型增强样本效率，相比于其他模型在多个机器人模拟环境中具有更高的样本效率。

Jun, 2023

通过返朔目标重新标注和自我模仿，本研究在视觉导航任务中提出一种新颖的方法，Visual Hindsight Self-Imitation Learning (VHS)，以提高样本利用效率，并通过已有的目标观察衍生出原型目标嵌入方法，在视觉和部分可观察的环境下表现出显著有效性。实验结果证实了VHS在交互式视觉导航任务中优越的性能和样本利用效率。

Dec, 2023

我们提出了一个多步骤过程，通过学习一个逆向的世界模型、生成目标达成的逆向轨迹、使用最短路径搜索算法改进这些序列，并通过模仿学习训练神经网络策略，肯定地回答了在强化学习中是否可以学习没有奖励的策略以及仅通过尝试达到目标状态是否可以学习策略的问题。在一个确定性迷宫环境中进行评估，其中观测是64×64像素鸟瞰图像，并且可以表明该方法始终达到多个目标。

Dec, 2023