RRLS：强化学习套件

提出了一种稳健性的敌对训练方法，将敌对训练与零和极小优化相结合，能够在真实系统的杂乱因素和不确定性下操作。

使用弱监督自动区分语义明确的任务子空间和无意义的任务空间，提升了在复杂环境中的探索效率。

介绍了一种用于强化学习的Stackelberg游戏模型，解决了训练中的过度保守和不稳定问题，提升了训练的稳定性和鲁棒性。

提出了一种风险规避的强化学习算法，通过价值函数方差建模风险，避免极端不良事件，证明在自动驾驶控制器上具有较高的鲁棒性。

针对强化学习在实际问题中的部署挑战，定义了这些挑战并分析其影响，提出了realworldrl-suite作为基准测试集。

设计了一种结合系统识别和鲁棒强化学习的算法，解决不确定性问题，在多个控制任务中表现优于之前的方法。

提出了ARRLC算法，具有极小化最坏情况下收益损失的性质，验证了其在存在干扰情况下的稳健性。

在建筑控制领域，提出了ActivePLR算法，能够在最小化能源消耗的同时最大化居住者舒适度，优于现有算法。

提出了一种不确定性集合正则化器USR，以提高强化学习在真实世界机器人领域的鲁棒性和推广性。

通过无监督强化学习基准（URLB）比较了八种无监督强化学习方法，发现当前算法在适应新任务方面存在局限性。