提出面向马尔可夫数据的无模型鲁棒强化学习方法，以应对仿真到现实偏差。
推荐理由：现有鲁棒强化学习多依赖模型或理想化独立样本，该工作聚焦更贴近在线交互的马尔可夫数据，并追求可证明效率；若界限成立，可缩小鲁棒理论与实际训练的距离。
阅读原文