オフラインリインフォースメントラーニングのためのグリッドマッピングの擬似カウント制約

提案手法のGPC(Grid-Mapping Pseudo-Count)は、静的データセットの情報を利用して連続状態行動空間を離散化し、擬似カウントに基づいて不確実性を定量化する。これにより、より少ない前提条件で適切な不確実性制約を得ることができる。