深層強化学習のサンプル効率性を向上させる新手法：状態占有率に基づくポリシーコンプレッションとは？
行動ベースのポリシーコンプレッションの改良：状態占有率に基づく低次元化手法
査読前の可能性がある研究情報
状態占有率に基づく手法で深層強化学習のサンプル効率性を改善
速報・AI要約未精査
Deep Reinforcement Learning
Policy Compression
Occupancy Matching
Information-Theoretic Uniqueness Metric
arXiv cs.AI