Q学習が意外と面白いです

　さっき書いた問題なんですが、

• ある程度の幅のある道を、短時間で端から端まで抜けるのが目的
• 道の片側には崖があり、落ちるとスタート地点に戻る
• 道のもう片側は壁で、移動不可能
• スタート地点は崖側の角にあり、ゴール地点は崖側のもう一方の角にある

という問題です。

　で、TD法とQ学習の性格の違い（？）が学習結果に出てて、なかなか面白いです。

TD「こ、これ位崖から離れてれば落ちないよね（ビクビク）… キャッ（ストーン）」
Q「べ、別に崖に落ちるのなんて怖くないんだからッ」

　て感じ。

　・・・てか、このエントリーが開発日記カテゴリなのはおかしいかも。