ImitationLearning
Less than 1 minute
ImitationLearning
Stanford CS234 Reinforcement Learning I Policy Search 3 I 2024 I Lecture 7 - YouTube の後半から。
例えば人間のエキスパートなどがstateとactionの系列を提供出来るが(デモンストレーション)、rewardは無い、というような場合に、 この系列を真似するという学習。
Stanford CS234 Reinforcement Learning I Policy Search 3 I 2024 I Lecture 7 - YouTube の後半から。
例えば人間のエキスパートなどがstateとactionの系列を提供出来るが(デモンストレーション)、rewardは無い、というような場合に、 この系列を真似するという学習。