Назад к Glossary
Регуляризация поведения
Семейство методов автономного обучения с подкреплением, которые ограничивают изученную политику, чтобы она оставалась близкой к поведенческой политике, которая собрала данные, предотвращая эксплуатацию действий вне распределения. Методы включают: ограничение политики (TD3+BC), штраф дивергенции Кульбака-Лейблера и ограничение поддержки (BEAR). Регуляризация поведения — это ключевой механизм, обеспечивающий стабильное автономное обучение с подкреплением.