SEMDICE：静止分布修正推定によるオフポリシー状態エントロピー最大化

この記事では、オフポリシー学習とエントロピー最大化に焦点を当てた新しい強化学習アルゴリズム、SEMDICEが紹介されている可能性があります。主要な貢献は、パフォーマンスを向上させるための静止分布を推定し修正する方法にあるようです。

• •SEMDICEは、新しい強化学習アルゴリズムである可能性があります。
• •この方法は、オフポリシー学習を対象としています。
• •静止分布修正を用いた状態エントロピー最大化を使用しています。