基于不确定性权重的保守Q学习离线强化学习算法

摘要： 离线强化学习(Offline RL)中，智能体不与环境交互而是从一个固定的数据集中获得数据进行学习，这是强化学习领域研究的一个热点。目前多数离线强化学习算法对策略训练过程进行保守正则化处理，训练策略倾向于选择存在于数据集中的动作，从而解决离线强化学习中对数据集分布外(OOD)的状态-动作价值估值错误的问题。保守Q学习算法(CQL)通过值函数正则赋予分布外状态-动作较低的价值来避... （共8页）