モデルベース強化学習(Model-Based RL)

環境のモデルを利用するため、モデルベースと呼ばれる

環境のモデル：異なる状態がどのように互いに接続しているか？

よくチェスの例が挙げられる

プレイヤーはコマを実際に動かす前に、もしこのコマを動かしたらどうなるのか？という展開を頭の中でシミュレートする

この時、

行動と状態の変化に関するモデル

例えば、コマを動かした時の盤面の変化

ある状態における報酬のモデル

盤面が変化した時にどれくらい有利か？

もしくは単純に勝ち/負け

を利用していると考えられる