Metody decydujące, jak agent RL zbiera nowe doświadczenia, równoważąc eksplorację nieznanych stanów i akcji z eksploatacją bieżącej polityki.
Methods deciding how an RL agent gathers new experience, balancing exploration of unknown states and actions against exploiting the current policy.
Sposoby, dzięki którym uczący się program próbuje nowych ruchów, zamiast powtarzać tylko to, co już zna.
Ways for a learning program to try new moves instead of repeating only what it already knows.
Gdy nagroda pojawia się rzadko, program działający na ślepo może nigdy nie natrafić na nic, z czego mógłby się uczyć.
When rewards are rare, a program acting blindly may never stumble on anything it can learn from.
Jak turysta w nowym mieście: czasem wraca do sprawdzonej knajpy, a czasem celowo skręca w nieznaną uliczkę.
Like a tourist in a new city: sometimes returning to a trusted café, sometimes deliberately turning down an unknown street.
Postać w grze uczy się przejść labirynt, w którym jedyna nagroda czeka dopiero za kilkoma zamkniętymi drzwiami.
A game character learns a maze where the only reward waits behind several locked doors.