価値関数
ある状態や行動が、将来どれくらい良い結果につながりそうかを数で表すもの。長期的な見込みの“点数表”として使われる。
たとえば: 今の選択が後でどれだけ得かを見積もる「期待ポイント表」。
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
- 安全と性能を同時に扱う「統一的なBellman演算子」を提案する安全強化学習
安全クリティカル領域の強化学習で、性能最大化と安全制約の厳守を両立させるための統一的なBellman演算子を提案。joint value functionとして目的を統合し、二重時間スケールのTD学習の収束も示す。
