Ile nagrody można się spodziewać z danego stanu lub akcji; równanie Bellmana wiąże wartość teraz z wartością kolejnego kroku. Podstawa Q-learningu i metod aktor–krytyk.
How much reward to expect from a state or action; the Bellman equation links the value now to the value one step later. The basis of Q-learning and actor–critic methods.
To ocenianie sytuacji i działań według oczekiwanej łącznej korzyści z kolejnych kroków.
This assesses situations and actions by their expected combined benefits over successive steps.
Natychmiastowa korzyść nie pokazuje, czy wybór poprawi cały dalszy przebieg zadania.
An immediate benefit does not show whether a choice improves the task's later course.
Łączy ocenę najbliższego skutku z oczekiwaną wartością następnej sytuacji, uwzględniając, jak mocno liczą się późniejsze korzyści.
It combines the next outcome's score with the expected value of the following situation, accounting for how much later benefits matter.
Postać w grze porównuje krótki objazd i drogę po nagrodę, uwzględniając też możliwości dalszych ruchów z każdego miejsca.
A game character compares a short detour with a route towards a reward, also considering future moves available from each location.