モデルベースの強化学習における目的関数のミスマッチを解決するための統一的なアプローチ

モデルベース強化学習では、モデルの予測精度を高めることが必ずしも最適な行動の選択につながらないという問題がある。この目的関数のミスマッチを解決するための様々なアプローチが提案されている。