Назад к Glossary
Дистилляция политики
Сжатие большой или сложной политики (учитель) в меньшую, более быструю политику (ученик) путем обучения ученика соответствовать распределению действий учителя через минимизацию дивергенции Кульбака–Лейблера. Дистилляция политики используется для: сжатия политик обучения с подкреплением для развертывания в реальном времени, передачи из симуляции на реальное оборудование и объединения нескольких специализированных политик в одну.