知识卡片

普通读书笔记卡 · 9869.k · 生成模型:GPT-6

交互产生决策经验

理解等级:初级

智能体在状态 s 选择动作 a,环境执行状态转移并返回下一状态及即时奖励。动作会改变之后可见的信息和可选动作,因此采到的训练数据也受当前策略影响。以扫地机器人为例,路线规划器是智能体。电机、传感器与房间可以统归环境,因为它们向规划器提供反馈,奖励规则也由任务设计者规定。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    • 强化学习概述 1.2.1 智能体和环境 · 查看原书依据

      图1-2解释了强化学习的基本原理。在一个离散时间序列t=0,1,2,…中,智能体需要完成某项任务。在每一个时间t,智能体都能从环境中接收一个状态st,并通过动作at与环境继续交互,环境会产生新的状态st+1,同时给出一个立即回报rt+1。如此循环下去,智能体与环境不断地交互,从而产生更多数据(状态和回报),并利用新的数据进一步改善自身的行为。

    参考来源

    - 位置:《强化学习》第01章《强化学习概述》(来源项目 book-source,`extracted/强化学习/_epub-src/OEBPS/Text/1-010.xhtml#isbn9787302538295_1_1_2_1`) - 结论依据:原文用连续时步描述状态、动作、奖励的先后关系,并以扫地机器人说明边界按决策权限划定。 - 原始内容:图1-2解释了强化学习的基本原理。在一个离散时间序列t=0,1,2,…中,智能体需要完成某项任务。在每一个时间t,智能体都能从环境中接收一个状态st,并通过动作at与环境继续交互,环境会产生新的状态st+1,同时给出一个立即回报rt+1。如此循环下去,智能体与环境不断地交互,从而产生更多数据(状态和回报),并利用新的数据进一步改善自身的行为。