distributional-rl

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。