鲁棒强化学习

RobustRLlib 将17种具有代表性的鲁棒在线、离线与安全强化学习算法集成在统一接口之下。

鲁棒强化学习关注当环境动态、观测或奖励函数与训练时相比发生偏移时，策略仍能保持可接受性能。

鲁棒强化学习的形式化通常建模为扰动集合上的最坏情况优化。

此前研究者若要比较不同鲁棒RL算法，往往需要分别搭建环境、适配接口，迁移成本极高。