オフライン強化学習

オフライン強化学習とは、環境と新たにやり取りをせず、あらかじめ集めておいたデータだけで方策を学習する手法です。

医療や自動運転のように、試行錯誤そのものが危険な領域では、実際に行動しながら学ぶことができません。過去の記録から学べれば適用範囲が広がります。

データにない行動の価値を過大評価しやすい点が難しく、それを抑える工夫が研究の焦点になっています。