モデルベースのオフラインリインフォースメントラーニングにおける保守的なベルマン演算子の活用

オフラインリインフォースメントラーニングにおいて、保守的なベルマン演算子を導入することで、性能と頑健性のトレードオフを実現し、計算コストを削減できる。