Model-Based-RL

这是一个有关基于模型的强化学习的资料，包括paper、slide及相关链接等。

文件夹paper几乎涵盖了Model-based RL方向算法的成果和进展（包括几篇综述型），有不少研究人员对MB-RL进行了分类，因为我水平有限，自己的理解不一定准确，没有对paper进行分块处理，但附上以下参考：

https://zhuanlan.zhihu.com/p/73297138
https://zhuanlan.zhihu.com/p/72642285

文件夹slide中放了几个课程或报告中的资料，里面包含对model-based-rl的分类的信息，其中近期交大张伟楠老师的那个可以着重参考，附讲座视频： https://www.boyuai.com/elites/course/78eQw4BeCzLos12d/video/1cHg_gzZty0OXkgitR2M6

与MF-RL相比，MB-RL设计更多不确定性方面的知识，放几个基础的参考资料：

https://github.com/Skylark0924/Reinforcement-Learning-in-Robotics
https://github.com/cpark321/uncertainty-deep-learning
https://blog.csdn.net/u011508640/article/details/72815981
https://github.com/krasserm/bayesian-machine-learning
https://zhuanlan.zhihu.com/p/106889896

涉及的paper的源码(作者及其他研究人员)大多可以下面网站找到，某些代码实现也可在github输入关键词搜索得到。 https://www.paperswithcode.com/