静的データセットを超えて：検証済み合成遷移によるロバストなオフライン方策最適化

要約

産業用ロボット等の安全性が重要な分野で期待されるオフライン強化学習（ORL）において、静的データセットと学習済み方策間の分布シフトの問題に対処する「MoReBRAC」を提案。モデルベースの不確実性認識による合成データ生成と、VAEやMCドロップアウトを用いた多層フィルタリングで高信頼な遷移のみを学習に利用し、D4RLベンチマークで性能向上を達成した。

全文は有料プランで閲覧できます。