强化学习是什么?
强化学习是一种学习如何从状态映射到行为以使得获取的奖励最大的学习机制
强化学习的实际应用:
自动驾驶,打游戏王者荣耀,机器人走路,机械臂抓取。
连续动作和离散动作
强化学习(reinforcement learning,RL)讨论的问题是智能体(agent)怎么在复杂、不确定的环
境(environment)里面去最大化它能获得的奖励。
专业名词:
演员和智能体有什么区别呢?
演员:演员是视频游戏里面的操纵杆,是围棋里面的alphaGo,动作是指向左向右开火等。
Agent实际是一个行为的决定者,来决定下一时刻要表现出哪一种行为。所以只要具有一定的抉择能力就可当做Agent,可以看做是一种算法,也可以看做是一个模型的等等。但是他们共有的特点就是,能够根据Environment输出的state进行抉择下一步的行为,然后反馈给environment的。
演员-评论员算法是一种结合策略梯度和时序差分学习的强化学习方法,其中,演员是指策略函数πθ(a|s)
Reality Gap
英语专业术语 《Technical Note Q-Learning》
agent:智能体
Temporal-Difference (TD):时间差分
State-Value Function:See Value Function。
Action-Value Function:See Q-Value。
DP 动态规划:dynamic programming
probability :可能性
MDP:马尔可夫决策过程