AI

〇強化学習エージェント⇒車環境⇒道路など状態⇒歩行者、信号など行動⇒アクセル、ハンドルなど状態遷移確率⇒自身の運転でどうなるか。確率分布報酬⇒無事故、所要時間、目的地に着く 〇マルコフ決定過程（MDP）囲碁とかの勝利という報酬はわか...