강화 학습은 최근 괄목할 만한 성공을 거두었지만, 기존의 강화 학습은 의료 및 금융과 같이 위험 민감도가 중요한 분야에서 필수적인 목표 함수의 위험 민감성을 고려하지 않는다. 본 논문에서는 유한 지평 마르코프 의사 결정 과정(MDP)에서 $\tau$-분위수 목표를 위한 낙관적 학습 알고리즘인 UCB-QRL을 개발했다. UCB-QRL은 각 반복마다 먼저 기본 전이 확률을 추정하고, 이 추정치 주변의 신뢰구간에서 분위수 가치 함수를 최적화하는 반복 알고리즘이다. 논문에서는 UCB-QRL이 에피소드 설정에서 고확률 후회 경계 $\mathcal O\left((2/\kappa)^{H+1}H\sqrt{SATH\log(2SATH/\delta)}\right)$를 제공함을 보인다. 여기서 $S$는 상태, $A$는 행동, $T$는 에피소드의 수, $H$는 지평선이며, $\kappa>0$는 기본 MDP의 분위수 가치의 민감도를 나타내는 문제 종속 상수이다.
