Обучение с помощью воображения

Воображаемая траектория

Симулированная последовательность состояний-действий-наград, которую агент генерирует с использованием своей внутренней модели среды. Эти виртуальные траектории позволяют исследовать альтернативные политики без реального риска или затрат.

← Назад