Горячее мнение: DAgger (Ross 2011) должен быть первой статьей, которую вы прочитаете, чтобы погрузиться в RL, вместо книги Саттона. Возможно, также стоит прочитать о запланированном отборе (Bengio 2015). А перед RL тщательно изучите контролируемое обучение.