Переход между состояниями

r(s₁, a₁) = 1 сентябрь 3 День праздника r(s₂, a₁) = 1

Схема из reinforcement learning показывает переход между двумя состояниями s₁ и s₂ с одинаковым действием и наградой 1. В обоих состояниях изображён календарик с надписью «сентябрь 3 День праздника», причём справа он перевёрнут вверх ногами. Шутка заключается в том, что для агента оба визуально разных состояния дают одну и ту же награду.

• @profunctor_io / 7107 2021-09-03