Domain-Adaptive Reinforcement Learning

A Domain-Adaptive Reinforcement Learning (DARL) a standard RL-t úgy terjeszti ki, hogy egy környezetben vagy tartományban képzett szabályzat (policy) átvihető és hatékonyan általánosítható egy eltérő, de rokon cél-tartományra. Ez a tartomány-eltolódás problémáját kezeli – ahol a dinamika, megfigyelések vagy jutalmazási struktúrák eltérnek a képzés és a bevetés között – az igazítás (alignment), adaptáció vagy tartomány-randomizálási technikák révén, csökkentve a költséges tapasztalatok gyűjtésének szükségességét a cél-tartományban.