חזרה לGlossary
רגולריזציה התנהגותית
משפחה של שיטות offline RL שמגבילות את המדיניות הנלמדת להישאר קרובה למדיניות התנהגותית שאספה את הנתונים, מונעת ניצול של פעולות מחוץ להתפלגות. שיטות כוללות: אילוץ מדיניות (TD3+BC), עונש סטיית KL, ואילוץ תמיכה (BEAR). רגולריזציה התנהגותית היא המנגנון המרכזי המאפשר offline RL יציב.