本文综述分布鲁棒强化学习，研究在不确定性集合下学习最优策略，分析采样复杂度与动态规划条件，并提出MRDR、DR-Off-PAC、LDR²OPE等鲁棒离策略评估与学习算法，证明其一致性与收敛性。
完成下面两步后，将自动完成登录并继续当前操作。
