采样与估计
教材《人工智能导论》3.4.2 / 内部第2点 · 已审核
通俗解释
当环境状态转移概率未知时，可通过与环境交互收集样本，估计动作或状态的长期价值。
例子
在未知环境转移概率时，让智能体反复与环境交互，用采样回报估计动作价值。
容易混淆
采样估计可替代未知转移概率的直接计算，但样本不足会带来估计误差。
检查理解
用自己的话解释“采样与估计”在“策略优化核心”中的作用，并举出教材中的一个例子或适用场景。对照原文检查条件、公式和图表。
查看参考答案
要点：当环境状态转移概率未知时，可通过与环境交互收集样本，估计动作或状态的长期价值。 示例：在未知环境转移概率时，让智能体反复与环境交互，用采样回报估计动作价值。