↑: [[G検定に関する知識]] - Asynchronous Advantage Actor-Critic（非同期優位アクター・クリティック） - 方策ベースの深層強化学習手法 - 3つのA：Asynchronous（非同期並列）・Advantage（差分で学習）・Actor-Critic（方策と価値を両方学習） - cf. [[PPO]], [[深層強化学習]]