不依赖 TD 学习的强化学习：分治价值学习方法解析

研究团队将分治价值学习扩展到复杂的目标条件强化学习任务，探索不依赖 TD 学习的离策略 RL 算法。该方法将轨迹拆分为两段并组合其价值，理论上可将 Bellman 递归次数降至对数级，缓解长时序任务中的误差累积，但如何选择最优子目标仍是实现难点。