חזרה לGlossary
חוצץ השמעה חוזרת
חוצץ השמעה חוזרת (או זיכרון חוויה חוזרת) הוא מערך נתונים של מעברים עבר (מצב, פעולה, תגמול, מצב הבא, בוצע) שנאספו על ידי סוכן RL במהלך אינטראקציה עם הסביבה. בכל שלב הדרכה, מיני-אצוות אקראיות נדגמות מהחוצץ כדי להדריך את פונקציית הערך או את מדיניות הבקרה, שוברות קורלציות זמניות שהיו מערערות עדכוני גרדיאנט. ב-RL לא מקוון ובלימוד רובוטי, החוצץ מוחלף במערך קבוע של הדגמות אנושיות או rollouts שנאספו בעבר. חוויה חוזרת עדיפות משקללת דגימה לפי שגיאת הפרש זמני כדי להתמקד הדרכה על מעברים אינפורמטיביים. ראה זאת בפועל: ההערכות שלנו בעולם האמיתי →