‘모델없는 강화학습(Model-free Reinforcement Learning)’은 로봇 공학, 제어, 게임 및 자율 주행 차량을 포함한 다양한 영역에서 그 능력을 발휘하고 있다. 이러한 시스템은 간단한 시행착오를 통해 학습하므로 주어진 과제를 해결하기 전에 엄청난 수의 도전이 필요하다.반대로 ‘모델기반 강화학습(Model-based Reinforcement Learning. 이하, MBRL)’은 에이전트가 잠재적인 작업의 결과를 예측할 수 있도록 하는 환경 모델(세계모델 또는 역학모델이라고도 함)을 학습하여 작업을 해결하는 데
출처 : 인공지능신문 – 전체기사