Rodzina metod uczących rozkładu zwrotu (value distribution) zamiast jego wartości oczekiwanej, przez rozkładową wersję równania Bellmana.
A family of methods learning the distribution of returns (value distribution) instead of its expectation, via a distributional Bellman equation.
Zamiast jednej średniej oceny agent uczy się całego zakresu możliwych wyników swojego działania, od najgorszych po najlepsze.
Instead of one average score, the agent learns the whole range of possible outcomes of its actions, worst to best.
Średnia ukrywa ryzyko: dwa ruchy z tym samym przeciętnym wynikiem mogą się bardzo różnić szansą na porażkę.
An average hides risk: two moves with the same typical result can differ greatly in their chance of disaster.
Jak prognoza pogody podająca szanse deszczu i burzy, a nie tylko średnią temperaturę na jutro.
Like a forecast giving chances of rain and storms, not just tomorrow's average temperature.
Agent prowadzący samochód w symulacji unika manewru, który zwykle się opłaca, ale czasem kończy się stłuczką.
An agent driving in simulation avoids a manoeuvre that usually pays off but sometimes ends in a crash.