GRASP-MDP

新框架推进马尔可夫决策过程在强化学习中的应用 · 跟踪2个来源

两篇新的arXiv论文介绍了马尔可夫决策过程（MDP）的先进框架，MDP是强化学习中的一个关键工具。第一篇论文GRASP-MDP通过分离奖励和转移动力学来解决离线强化学习中的挑战，允许使用广义线性模型进行奖励，并更好地利用仅转移的观测。第二篇论文侧重于鲁棒平均奖励MDP，建立了极小极大最优学习界限，并提出了考虑模型不确定性的即插即用约简程序，实现了依赖于状态-动作空间和不确定性水平的样本复杂度率。