什麼是 SARSA算法?
SARSA算法是一種強化學習中的時序差分（Temporal Difference, TD）學習方法，名稱來自於其更新規則中涉及的五個元素：狀態（State）、動作（Action）、獎勵（Reward）、下一狀態（State）及下一動作（Action），英文首字母合稱SARSA。該算法用於學習行動價值函數（Q函數），幫助智能體在不確定環境下逐步探索並找出最優策略。
查看AI術語
什麼是 Robotics 機器人?
機器人（Robotics中的Robot）是一種能夠自主或半自主執行任務的機械裝置，通常結合機械工程、電子技術、計算機科學和人工智慧等多個學科。它可以模仿或代替人類完成各種工作，包括重複性高、危險或複雜的操作，並逐步擁有感知、決策和行動的能力。
查看AI術語
獎勵函數 (Reward function)
獎勵函數是強化學習中的核心組件，是環境對智能體在某一狀態下執行某個動作後給出的一種即時反饋信號。它用一個標量值量化這個行動的好壞，指導智能體學習哪些行動會帶來更高的收益。獎勵函數直接影響強化學習智能體的行為策略，決定了智能體對環境的適應目標。
查看AI術語
從人類反饋中強化學習
從人類反饋中強化學習（Reinforcement Learning from Human Feedback，簡稱RLHF）是一種結合人工智慧強化學習與人類專家反饋的機器學習方法。它通過利用人類對智能體行為的評價或指導，提升強化學習模型的效率和效果，使系統能夠更好地理解人類期望並生成更合理、更符合實際需求的決策和行動。
查看AI術語
回歸 (Regression)
回歸是一種統計學和機器學習中的數據分析技術，旨在研究變數之間的關聯性，特別是用一個或多個自變量（獨立變數）來預測或解釋一個應變量（依賴變數）的變化。簡單來說，回歸試圖建立數學模型來描述不同變數間的關係，以便根據自變量的取值預測應變量的值。回歸廣泛應用於經濟、醫學、工程、社會科學等領域，是量化分析和預測的基本工具。
查看AI術語