openAI Cartポール '解決済み'意味

Question

openAI CartPoleの問題を '解決'することはどういう意味ですか？ Hereそれは解決があることを意味することを言います：

が、同じリンク内の溶液が解決されたエージェントが、少なくとも195.0 100以上の連続したエピソードの平均報酬を得て

...）。 85エピソード後に？ 100以上のエピソードで195の平均報酬が必要な場合は、85エピソードでどのように解決できますか？

Answer 1

「解決するエピソード」の横にある「総エピソード」を見ると、「信頼できる」解決策を宣言するために必要な最初の85 + 100である185と表示されます。したがって最初には85回のエピソードの後で問題を解決し、100回のエピソードの平均報酬を維持しました。