Architektura łącząca uczenie bezpośrednie z prawdziwych przejść z planowaniem na przejściach symulowanych przez wyuczony model, z tymi samymi aktualizacjami wartości dla obu.
An architecture combining direct learning from real transitions with planning on transitions simulated by a learned model, using the same value updates for both.
Program po każdym prawdziwym kroku dodatkowo „przećwicza w głowie” kilka wyobrażonych kroków, korzystając z zapamiętanego obrazu świata.
After each real step, the program also rehearses a few imagined steps in its head, using its learned picture of the world.
Zbieranie prawdziwych doświadczeń jest wolne lub drogie, więc każde z nich warto wykorzystać jak najpełniej.
Gathering real experience is slow or costly, so each one should be used as fully as possible.
Jak szachista, który po każdej partii rozgrywa w myślach warianty, zamiast czekać na kolejną prawdziwą grę.
Like a chess player who replays variations mentally after each game, instead of waiting for the next real one.
Robot magazynowy po kilku przejazdach odtwarza w pamięci trasę i szybciej uczy się omijać zatory.
A warehouse robot, after a few trips, replays the route in memory and learns faster to avoid jams.