标签
论文提出了生成式价值分类器（GVC），通过建模以回报为条件的动作策略和回报先验，再利用贝叶斯法则推导出 Q(s,a)，从而重新定义了价值学习的方式。实验表明，在离线和在线任务中，该方法相比判别式方法和分布式强化学习基线均取得了性能提升。
本文提出Deep-BQRL，一种无模型分布式强化学习框架，该框架将缓冲分位数学习扩展至神经函数逼近，以实现风险敏感决策，并在特定实验中表现出优于现有方法的性能。
本文介绍了 RQIQN，这是一种基于分位数的分布强化学习鲁棒方法，利用 Wasserstein 几何正则化来防止分布退化，并提升在风险敏感任务中的性能。
本文介绍了C-DSAC，一种新的分布强化学习算法，该算法利用Cramér距离在机器人基准测试中提升性能与稳定性，优于标准SAC算法。
本文提出了异步类别分布型时序差分学习的有限迭代理论，弥合了现有理论框架与实际在线实现之间的差距。