Architektura sieci Q z dwiema gałęziami: wartości stanu V(s) i przewagi akcji A(s,a), łączonymi w Q(s,a) bez zmiany algorytmu uczenia.
A Q-network architecture with two streams, state value V(s) and action advantage A(s,a), combined into Q(s,a) without changing the learning algorithm.
Sposób budowy sieci, który osobno ocenia, jak dobra jest sytuacja, a osobno, o ile lepszy jest każdy ruch.
A way to build the network that separately judges how good a situation is and how much better each move is.
W wielu sytuacjach wybór ruchu prawie nie ma znaczenia, a program i tak marnuje wysiłek na ocenianie każdego z osobna.
In many situations the choice of move barely matters, yet the program wastes effort scoring each separately.
Jak kierowca na pustej autostradzie: wie, że jest dobrze, niezależnie od pasa; uwagi na wybór pasa potrzeba dopiero w korku.
Like a driver on an empty motorway: things are fine whichever lane; lane choice matters only in traffic.
Agent w grze wyścigowej szybko uczy się, które odcinki toru są bezpieczne, nawet gdy rzadko testował tam każdy skręt.
A racing-game agent quickly learns which track sections are safe, even without testing every turn there.