Marek Cygan

強化学習エージェントの行動価値推定を改善する新しいアプローチ。

研究によると、一般的な正則化手法がオフポリシーRLエージェントのパフォーマンスをタスク全体で向上させることがわかった。

BROを紹介するよ、もっと早くロボットが学べる方法なんだ。