強化学習による探索行動の学習 強化学習における探査*1を、ε-GreedyやSoftmaxの様な乱数を用いる手法ではなく、過去の経験・知識をもとに実現した論文（だと思う）。 論文ではグリッドワールドや迷路を題材にし、意図した通りの結果が実験的に得られたと書か…