Glossaryに戻る
オフラインからオンラインへのRL
静的データセットからオフラインで制御方針を初期化し、その後、追加の環境相互作用でオンラインで微調整するトレーニングパラダイム。オフラインフェーズは、危険な初期探索を回避する良好な初期化を提供し、オンラインフェーズはオフラインデータのパフォーマンスを超えて改善する。IQLとCQLはロボット操作の一般的なオフラインフェーズである。
静的データセットからオフラインで制御方針を初期化し、その後、追加の環境相互作用でオンラインで微調整するトレーニングパラダイム。オフラインフェーズは、危険な初期探索を回避する良好な初期化を提供し、オンラインフェーズはオフラインデータのパフォーマンスを超えて改善する。IQLとCQLはロボット操作の一般的なオフラインフェーズである。