2008-11-01 Actor-Criticでの迷路脱出の実験 開発日記 成功しました。 …っつー事は、メタ強化学習の方はどっかのバグかアルゴリズムの問題って線が濃厚? それか、単に学習が遅いだけって可能性…は、低いかな。 とりあえず、バグの確認をしてからアルゴリズムを変えてみます。