###### tags: `Deep learning`

# Reinforcement Learning

## 不理解環境(model free RL)
* 機器人不理解環境，透過環境一步一步反饋而一步一步採取行動學習

## 理解環境(model base RL)
* 機器人會透過過往的經驗，並建立一個模型來模擬現實世界的反饋
* 透過想像來愈判斷接下來發生情況，並依照情況來找出最佳情況

## Policy-based RL
* 依照感知選擇動作，每個動作都是機率
* model:Policy gradients

## Value-based RL
* 依照感知選擇動作，每個動作都有value，但選擇最高value
* model:Q-learning,Sarsa

## Policy-based RL+Value-based
會基於policy做出action,並依照action給予value


## update machnism
### Monte-carlo update
直到遊戲結束能更新

### Temporal-Difference update
每走一步都能更新

### On-policy
* 需本身學習
* model:sarsa

### Off-Policy
* 可透過別人經驗學習或是本身
* model:Q-learning,Deep Q network

## Reference
1. https://www.youtube.com/watch?v=AINrxEjflaM&list=PLXO45tsB95cK7G-raBeTVjAoZHtJpiKh3&index=2