2026-01

Transformerによる記憶付きDQNに、World ModelとMPCを組み合わせた迷路AIデモを解説。過去を覚え、数手先を先読みして行動するエージェントの仕組みを紹介します。

局所観測の迷路ではなぜ強化学習は迷うのか？Transformerで過去16ステップを統合し、「記憶」を持つDQN迷路デモを可視化。ループ脱出の挙動を解説します。