Transformer ベースのオフポリシー エピソード強化学習: TOP-ERL

従来のエピソード強化学習（ERL）のサンプル効率の低さを、Transformer ベースの批評家を用いたオフポリシー更新スキームによって大幅に改善する新しいアルゴリズム、TOP-ERL を提案する。