# オフポリシー学習

これはTQCアルゴリズムに基づく深層強化学習モデルで、PandaPickAndPlace-v1環境向けに設計されており、ロボットアームの把持と配置タスクに使用されます。

これはSACアルゴリズムに基づく強化学習モデルで、Walker2d-v3環境向けに設計されており、二足ロボットの歩行を制御できます。

これはstable-baselines3で訓練されたDQNエージェントモデルで、MountainCar-v0環境における強化学習タスクを解決するために特別に設計されています。

これはGym Hopper環境で中程度のパフォーマンス軌跡を使用して訓練された意思決定トランスフォーマーモデルで、連続制御タスクに適しています。