どこから見てもメンダコ

サンプル効率に優れたMuZeroの後継手法EfficientZeroV2を実装。 強化学習実用のカギはサンプル効率 世界モデルベース強化学習とは 前提手法 MuZero： 潜在変数空間上での木探索 EfficientZeroV2：MuZero派生の全部盛り EfficientZeroV2の実装 ① Gumbel-MCTS ② SimSiamスタイルの自己教師あり学習 学習結果 次：？？ 関連記…