EXPO: Stable Reinforcement Learning with Expressive Policies
EXPO: 通过表达性策略进行稳定的强化学习
机构 * Stanford University（斯坦福大学） ； UC Berkeley（加州大学伯克利分校）
AI总结 EXPO通过构建实时策略最大化Q值，提升样本效率，适用于基于离线数据的策略微调和在线训练。
Comments changed formatting, added code
作者
Chelsea Finn
Robotics / Machine Learning
