A Coding Implementation to Train Safety-Critical Reinforcement Learning Agents Offline Using Conservative Q-Learning with d3rlpy and Fixed Historical Data

Artykuł prezentuje implementację potoku uczenia maszynowego, który pozwala na trenowanie agentów uczenia ze wzmocnieniem do zadań krytycznych pod względem bezpieczeństwa, wykorzystując wyłącznie statyczne, historyczne dane. Wykorzystuje bibliotekę d3rlpy i technikę Conservative Q-Learning (CQL) do tworzenia bezpiecznych polityk decyzyjnych bez konieczności ryzykownej eksploracji środowiska.