リプレイ
過去に集めた経験データを保存しておき、学習中に繰り返し使うこと。新しく試す回数を減らしつつ学習を進められる。
たとえば: 練習試合の録画を何度も見直して、同じ場面から学び直すこと。
AIによる解説です。正確さは、別のAIで照合していますが、誤りが含まれる可能性があります。
この言葉が出てくる記事
- フローポリシーをオフポリシーで強化学習する手法「QF3」の提案
QF3はフローポリシーをオフポリシーで学習するオンラインRL手法。フローマッチングにcriticのaction gradientを組み合わせ、更新をリプレイ近傍の次元に限定する。ヒューマノイドでFPO++比10xの壁時計時間高速化を報告する。
