杨睿

中科大研究人员提出ROUSER方法，在信息瓶颈框架下学习鲁棒动作价值表征，显著提升视觉强化学习泛化性能。该方法在12个连续控制任务中表现出色，尤其适用于背景与颜色干扰的环境。