Jun, 2021

离线强化学习的极简主义方法

TL;DR通过在在线强化学习算法的策略更新中添加行为克隆项并规范化数据,在保持简单性的同时,最大限度地提高了运行效率,从而实现了与现有离线RL算法相当的性能。