본 논문은 연속적인 행동 공간에서의 강화학습 성능 향상을 위해, 최소제곱법(LR)을 심층 결정적 정책 경사(DDPG) 알고리즘과 결합한 새로운 방법인 이중 최소제곱 심층 결정적 정책 경사(DLS-DDPG)를 제안합니다. 기존의 최소제곱 심층 Q 네트워크(LS-DQN)는 이산적인 행동 공간에만 적용 가능한 한계를 가지는데, DLS-DDPG는 이를 연속적인 행동 공간으로 확장합니다. MuJoCo 환경에서의 실험 결과, 일부 과제에서 LR 업데이트가 성능 향상을 가져왔지만, 정규화 항을 작게 만드는 데 어려움이 있음을 보였습니다.
