Definition
Los algoritmos on-policy requieren que el agente aprenda directamente de las acciones tomadas por su política actual. Esto significa que los datos recopilados durante la exploración se utilizan inmediatamente para actualizar la política, asegurando la consistencia.
Summary
Un enfoque de aprendizaje por refuerzo donde la política que se evalúa y mejora es la misma que se utiliza para generar los datos.
Key Concepts
- aprendizaje por refuerzo
- gradiente de política (policy gradient)
- consistencia de datos
- eficiencia de muestras
Use Cases
- Control de robótica con restricciones de seguridad
- Agentes de juego que requieren actualizaciones precisas
- Sistemas adaptativos en tiempo real