MuZero = 状態遷移モデル＋AlphaZero を簡単に解説しつつ、atari環境のBreakout（ブロック崩し）向けにtensorflow2での実装例を紹介します MuZeroとは アルゴリズムの概要 モンテカルロ木探索 MuZero版モンテカルロ木探索 VAE系世界モデルとの比較 MuZero Reanalyze MuZeroの実装 メインループ Actorによるサンプル収集 MuZero版モンテカルロ木探索 ネットワーク構造 Learnerによるネットワーク更新 Breakoutの学習結果 次：EfficientZeroV2 Deepmind's MuZero (reimplem…
ai-scholar.tech
gigazine.net
www.itmedia.co.jp
xtrend.nikkei.com
qiita.com
tadaoyamaoka.hatenablog.com