Nov, 2022

ARMOR: 一种基于模型的框架,用于利用离线数据改进任意基准策略

TL;DR提出了一种名为ARMOR的新型基于模型的离线RL框架,可在面对不确定性时优化最坏情况下的相对性能并学习在任何超参数下始终不降级基线策略的稳健策略改进,使其特别适用于建立实际学习系统。