Алгоритм «актор-критик»
term_id: actor_critic_algorithm
Category: basic_concepts
Definition
Алгоритм «актор-критик» состоит из двух компонентов: актора, который обновляет политику для выбора действий, и критика, который оценивает качество этих действий путём оценки функции ценности.
Summary
Фреймворк обучения с подкреплением, сочетающий методы, основанные на ценности и политике, с использованием двух нейронных сетей: актора и критика.
Key Concepts
- Градиент политики
- Функция ценности
- Ошибка временной разницы
- Гибридное обучение с подкреплением
Use Cases
- Манипулирование роботизированным манипулятором
- Игровые агенты (например, AlphaStar)
- Системы непрерывного управления в автономных транспортных средствах