深層強化学習マルチオブジェクト

ベクトル報酬

状態における各アクションが単一のスカラー値ではなく、報酬ベクトルを生成する報酬構造。ベクトルの各成分は問題の特定の目標に関する進捗に対応します。

← 戻る