该研究提出了一种新的离线强化学习代理，通过减去基于奖励的勘探法的探索奖励，使策略保持在数据集的支持范围内，并连接到对学习策略向数据集的普遍约束的正则化。该代理通过基于变分自动编码器的预测误差的奖励进行实例化，并在一组连续控制运动和操作任务的状态下证明了其竞争力。