通过核函数逼近利用无标签数据共享在离线强化学习中的应用

本文介绍了利用未标注数据进行零奖励共享的策略，并通过重新加权方法缓解错误奖励标签引入的偏置问题。该策略在模拟机器人运动、导航和操作等方面得到了验证。