サンプルフィルタリングに基づく効率的なオフライン強化学習

この研究は、ポリシー制約とサンプルフィルタリングを用いた、オフライン深層強化学習のサンプル効率の良いアプローチを探求しています。この研究は、オフラインRL設定における限られたデータ利用可能性という課題に対処し、トレーニングパフォーマンスの潜在的な改善を提供する可能性があります。