Madde #520RL & Robotik/sozluk/model-based-vs-model-free-rl
Model-Based vs. Model-Free RL
Model-Based vs. Model-Free Reinforcement Learning
Türkçe: Model Tabanlı ve Modelsiz Pekiştirmeli Öğrenme
Ayrıntılı Tanım
Pekiştirmeli öğrenmedeki iki ana felsefenin karşılaştırmasıdır:
* **Model-Based:** Etmenin dünyanın bir simülatörünü/iç modelini () kurduğu ve kafasında zihinsel simülasyonlar yaparak planladığı yaklaşım.
* **Model-Free:** Dünyanın fizik kurallarını anlamaya çalışmadan, sadece deneme-yanılma ile doğrudan ödül getiren eylemleri refleks olarak öğrendiği yaklaşım (DQN, PPO).
Ne İşe Yarar / Çözülen Problem
Robotik sistemlerde gerçek dünyada binlerce kaza yapmadan hızlı öğrenme (veri verimliliği) ihtiyacını yönetir.
Nasıl Çalışır? (Teknik & Mekanizma)
Model-Based yaklaşım Dreamer veya MuZero mimarilerini kullanır; zihninde hayali yörüngeler (imagined trajectories) kurar. Model-Free ise doğrudan politika matrisini günceller.
Örnek Senaryo & Pratik Uygulama
* *Model-Based:* Bir satranç ustasının hamle yapmadan önce zihninde tahtanın 5 hamle sonrasını canlandırıp plan yapması.
* *Model-Free:* Bir tenisçinin saatte 200 km hızla gelen topa hiç düşünmeden refleksle raket vurması.
Benzer Terimlerden Farkı
Model-Based çok daha az veriyle (örneklem verimliliğiyle) öğrenir ancak iç model yanlışsa hayallere kapılır; Model-Free ise devasa veri ister ama doğrudan gerçeğe dayanır.
İlişkili Terimler (3)
Pekiştirmeli Öğrenme, Robotik ve Otonom Sistemler
Q-Learning, Policy Gradient, PPO, Sim2Real, otonom sürüş ve robotik manipülasyon.
Toplam Terim:30 Madde
Bu Kategorideki Tüm Terimleri Gör →Önceki Terim (#519)Inverse Reinforcement Learning (IRL)
Sonraki Terim (#521)Sim2Real Transfer