2021年10月21日
MOPO: Model-based Offline Policy Optimization
摘要： **发表时间：**2020（NeurIPS 2020） **文章要点：**目前主流的offline RL的方法都是model free的，这类方法通常需要将policy限制到data覆盖的集合范围里（support），不能泛化到没见过的状态上。作者提出Model-based Offline Poli 阅读全文
posted @ 2021-10-21 10:42 initial_h 阅读(951) 评论(0) 推荐(0) 编辑