Glossaryに戻る
CQL（Conservative Q-Learning）
Conservative Q-Learning — オフラインRL アルゴリズムで、分布外アクションのQ値にペナルティを追加することで、保守的（悲観的）なQ関数を学習します。これにより、データに支持されていない疑似的な高値領域を悪用するオフラインRL制御ポリシーの過大評価問題を防ぎます。CQLはロボット操作用のオフラインRL手法の中で最も広く使用されている方法の1つです。
Conservative Q-Learning — オフラインRL アルゴリズムで、分布外アクションのQ値にペナルティを追加することで、保守的（悲観的）なQ関数を学習します。これにより、データに支持されていない疑似的な高値領域を悪用するオフラインRL制御ポリシーの過大評価問題を防ぎます。CQLはロボット操作用のオフラインRL手法の中で最も広く使用されている方法の1つです。