Definition
アクター・クリティックアルゴリズムは、アクションを選択するためのポリシーを更新する「アクター」と、価値関数を推定してそれらのアクションの品質を評価する「クリティック」の2つのコンポーネントを採用しています。
Summary
アクターとクリティックという2つのニューラルネットワークを用いて、価値ベースとポリシーベースの手法を組み合わせた強化学習フレームワーク。
Key Concepts
- ポリシー勾配
- 価値関数
- 時間差分誤差
- ハイブリッド強化学習
Use Cases
- ロボットアームの操作
- ゲームプレイエージェント（例：AlphaStar）
- 自動運転車における連続制御システム