オフライン強化学習（Offline RL）は、リアルタイムで環境との対話を行うことなく、固定されたデータセットを用いて学習する強化学習の手法です。この方法の目的は、歴史的なデータを活用して意思決定ポリシーを最適化し、新しい環境でのモデルの性能を向上させることです。オフライン強化学習は、ゲーム、推薦システム、自動運転などの分野で大きな応用価値を持ち、オンライン学習に伴う高額なデータ収集コストや安全性の低さといった問題を効果的に解決します。