结合行为优势校正的离线强化学习扩散策略

该论文提出DPBAC，将行为优势校正策略评估（BAC-PE）与扩散策略结合，用行为策略的Q函数校正学习策略的Q函数，以缓解离线强化学习中的分布偏移、悲观保守和过估计偏差。方法同时进行行为与学习策略的分布匹配，并引入Q值引导；作者报告其在多个D4RL任务上优于现有方法，但摘要未给出具体分数。