变分结果驱动的离线强化学习

针对离线强化学习中动作偏差易导致状态转移偏离数据集的问题，研究人员提出了结构化行为正则化（StBR）方法。StBR 放弃单纯的动作分布匹配，通过构建具有转移特性的闭式隐空间散度，作为真实状态结果分布散度的理论有界替代。该方法可在动力学敏感区域自适应收紧行为约束，并在多种离线强化学习基准测试中取得优异表现。