RL वातावरण आरोनाइ

What this lesson is about

RL माने इनाम सिग्नल फोर सिखाय। हाबा फोर मोडेल आफनाय अभ्यास करिबा सकाय, आरोनाइ काम आरोनाइ नफोराय से देखाय।

एक टीम फोराय मोडल फोराय थान काम सिखाय चाहाय: तारीख फोराय, सहानुभूति नोट लिखाय, अभिवादन फोराय। निफर फोराय?

Why this matters

ट्रेनिंग फोर फोर बढ़ाय जाबा जाबा जाबा मानुस नफोराय हर प्रयास परखा जाबा सकाय।

बताबा कुन काम अभ्यास फोर मोडेल आफनाय चलाय सकाय आरोनाइ किआ फोर।

काम अभ्यास लायक होय जाबा जाबा नियम मानुस नफोराय स्कोर करिबा सकाय।
काम अभ्यास फोर कहिबा फोर आगो सफलता जाँच लिखिबा।
बताबा जाबा अपने-आप चलिबा जाँच कुन बात नफोराय देखिबा सकाय।

Task

तीन काम: तारीख बदलबा, सहानुभूति संदेश, नम्र अभिवादन।

Weak approach थांदोंनाय थांदोंनाय थांदोंनाय काम फोराय आरु फोराय गोंदोंनाय फोराय मोजोंनाय फोराय हाबा। सहानुभूति संदेश फोराय आरु हाबा फोराय छोटो योजना लिखाय। फोराय संदेश बिदों अंक देबो नाय नियम लिखाय, हाबा नाय पढ़ाय बिनाय अभ्यास होबो नाय पार।

Stronger approach तारीख काम चुनाय, तुलना फोर नियम लिखाय, आरोनाइ नियम बोलीर ढंग फोर किछु नफोराय कहाय।

Why the stronger approach works जरूरी होनाइ कामर अभ्यास लायक नफोराय बनाय। सस्ता आरोनाइ दोहराय जाबा सकाय जाँच बनाय।

Try a changed situation एक ट्रेनिंग सेंटर आब विद्यार्थी फोर रोज अभ्यास तय करिबा बाय, मोडेल फोर नफोराय। कुन नियम अबो लागू होय?

Make something yourself आफनाय काम आरोनाइ पढ़ाई फोर एक काम चुनाय। लिखाय काम, इनपुट, नियम जे मानुस नफोराय सफलता तय करिबा, आरोनाइ नियम नफोराय देखिबा सकाय एक बात।

Read the primary or official source: Towers et al., Gymnasium: A Standard Interface for Reinforcement Learning Environments (arXiv)