【強化学習メモ】model-based RL と model-free RL

正直、この２つを明確に分ける必要もないかもしれないが、 一応メモ、

model-based RL

強化学習をしながら、環境のmodelを同時に推定し、そのmodelも使いながら学習をする手法

例) dyna-q

model-free RL

環境のmodelの推定は行わずに強化学習を行う手法

例) Q学習