安定した強化学習のためのソフトグローバル制約としてのエントロピー比クリッピング

この研究は、エントロピー比クリッピングを使用して強化学習アルゴリズムを安定化させる方法を検討しています。論文では、さまざまなベンチマークでのこの方法の性能を調査し、既存の技術と比較している可能性があります。