RLTech Lab https://validator.w3.org/feed/docs/rss2.html 強化学習の基礎③（Policyベースの手法） 少量データのオフライン強化学習で高精度のロボット制御を実現（ニュース紹介） 強化学習の基礎①（マルコフ決定過程～行動選択） Sample Page Deep Deterministic Policy Gradient (DDPG) 強化学習の基礎②（Valueベースの手法） 強化学習の基礎④（最大エントロピー強化学習） ブログ管理者の自己紹介