ORCAID：用斜规则与连续动作解释深度强化学习策略

ORCAID提出一种从深度强化学习策略中提取可解释规则的方法，面向混合连续—离散状态及连续动作环境。算法以斜决策树划分状态空间，并在叶节点拟合局部线性模型，通过随机初始化、局部优化、反向消除和相邻叶合并生成精简规则；论文称其在多个环境中保持较强性能，甚至可提升原策略表现。