जोखिम-सचेत RL

RL जो केवल अपेक्षित रिटर्न नहीं बल्कि परिणामों के विचरण या पूंछ जोखिम पर भी विचार करता है। CVaR (सशर्त मूल्य जोखिम) अनुकूलन सबसे खराब-स्थिति परिदृश्य प्रदर्शन को कम करता है बजाय औसत प्रदर्शन के। जोखिम-सचेत RL भौतिक रोबोट के लिए महत्वपूर्ण है जहां दुर्लभ विनाशकारी परिणाम (हार्डवेयर क्षति, मानव चोट) को औसत प्रदर्शन की कीमत पर भी टाला जाना चाहिए।

Related terms