MoMA: 基于模型的蜂道上升算法用于离线强化学习

本文研究了模型在强化学习算法中的使用，提出了一种基于模型的算法，并探讨了模型在策略优化中的作用。通过将模型泛化能力的经验估计纳入到分析中，证明了模型的使用是合理的。作者展示了一种简单的方法，使用短模型生成滚动数据，具有更好的样本效率，可以匹配最佳无模型算法的性能，并能处理其他算法不能处理的问题。