基于模型的风险意识策略优化的认知变异性
原文中文，约400字，阅读约需1分钟。
📝
内容提要
这篇文章介绍了基于模型的强化学习中的不确定性问题，并提出了一个新的不确定性Bellman方程。通过引入近似方法，提出了一种通用的策略优化算法QU-SAC。实验结果表明，相较于其他不确定性估计方法，该算法性能得到了提升。
