BAIR：不依赖 TD 学习的 RL，分治法价值学习

BAIR 博文提出一种基于分治法的 RL 算法，不依赖 TD 学习做价值学习，理论上把 Bellman 递归次数从线性降到对数，从而扩展到长时序任务。在一项与 Aditya 共同主导的工作中，该方法已用于 goal-conditioned RL，作者称这是首个把分治价值学习规模化的工作。但如何选取最优子目标 w 仍不清楚。