Apprentissage profond hiérarchique

L’apprentissage profond hiérarchique (Hierarchical Reinforcement Learning ou HRL) est une approche de l’apprentissage par renforcement qui vise à résoudre des tâches complexes en décomposant le problème en sous-tâches hiérarchiques. Il permet à un agent d’apprendre des politiques de décision à plusieurs niveaux, ce qui peut conduire à des stratégies plus efficaces pour résoudre des problèmes complexes.

Exemple : Dans un jeu vidéo, un agent entraîné avec l’apprentissage profond hiérarchique peut apprendre des comportements à différents niveaux d’abstraction, tels que la navigation, la recherche d’objets et la planification à long terme, ce qui lui permet de résoudre des défis plus complexes de manière efficace.

Retourner à l'index du lexique