線形オフポリシー評価におけるカバレッジの統一的視点

要約

強化学習の基本タスクであるオフポリシー評価（OPE）において、線形実現可能性のみを仮定する最小設定下での最適なカバレッジ（網羅性）定義を提案した研究。正準的なアルゴリズムであるLSTDQの新しい有限標本解析を通じ、「特徴ダイナミクスカバレッジ」という概念を導入し、既存設定との統一的な理解を実現した。

全文は有料プランで閲覧できます。