連続分布アクター・クリティック強化学習エージェントによる複数のクリティックのカルマンフュージョン

連続分布を使用したアクター・クリティック強化学習アルゴリズムを提案し、複数のクリティックのカルマンフュージョンによって過大評価バイアスを軽減する。