🎭
Actor-Critic
정책(액터)과 가치 함수(크리틱)를 동시에 학습하는 하이브리드 강화학습 알고리즘
강화학습
액터
크리틱
정책
주요 특징
이중 네트워크
액터(정책)와 크리틱(가치) 두 개의 네트워크를 동시에 학습합니다.
정책 개선
크리틱의 피드백을 받아 액터의 정책을 지속적으로 개선합니다.
시간차 학습
TD(0) 또는 TD(λ) 방법을 사용하여 효율적으로 학습합니다.
연속 행동 공간
연속적인 행동을 자연스럽게 처리할 수 있습니다.
안정적 학습
정책 그래디언트보다 안정적인 학습이 가능합니다.
실시간 학습
온라인으로 실시간 학습이 가능합니다.
활용 분야
로보틱스
- ✓로봇 팔 조작
- ✓보행 학습
- ✓물체 조작
- ✓경로 계획
게임 AI
- ✓연속 제어 게임
- ✓레이싱 게임
- ✓시뮬레이션
- ✓전략 게임
평가 정보
전문성: 8.5/10
🎭
액터-크리틱 구조와 강화학습에 대한 깊은 이해가 필요합니다.
학습난이도: 8.5/10
두 개의 네트워크를 동시에 학습하는 복잡한 구조입니다.
사용편의성: 6.0/10
두 네트워크의 균형과 하이퍼파라미터 튜닝이 복잡합니다.
활용도: 8.5/10
정책과 가치를 동시에 학습하여 매우 효과적입니다.