该研究探讨了在线学习中使用非参数高斯过程先验的UCRL和后验抽样算法，以解决未知连续状态和动作的马尔可夫决策过程中的后悔问题。研究发现核函数对学习性能有重要影响。

连续状态环境中的条件核模仿学习
BriefGPT - AI 论文速递
BriefGPT - AI 论文速递 ·
👤 个人中心
在公众号发送验证码完成验证