Batch Constrained Q-learning (BCQ)

暗黙的Q学習

分布外の行動の直接評価を回避することで、暗黙的にQ関数を学習する手法。IQLは、オフラインデータの不確実性をより適切に扱うために、期待値分位点学習問題として学習を定式化する。

← 戻る