The Sample Complexity of Policy Learning with Mu-Resets

Este artículo resuelve el papel de la realizabilidad de la política en la complejidad de muestra del aprendizaje de políticas bajo el protocolo de $\mu$-reajustes al demostrar que la dependencia del horizonte $H$ es exponencialmente grande ($\exp(\Omega(H))$) bajo una concentrabilidad de todas las políticas acotada, pero se reduce significamente a $\exp(\Theta(\sqrt H))$ bajo una concentrabilidad de pushforward acotada.

Autores originales: Gene Li