🚀 یادگیری تقویتی در هوافضا؛ وقتی پرنده یاد میگیرد تصمیم بگیردفرض کنید یک پهپاد باید بدون برخورد با موانع، کوتاهترین مسیر را تا مقصد پیدا کند؛ یا یک ماهواره باید با مصرف حداقل سوخت، مانور مداری مناسبی انجام دهد. در چنین مسائلی همیشه نمیتوان برای تکتک شرایط، یک دستور از پیش تعیینشده نوشت.اینجاست که Reinforcement Learning یا یادگیری تقویتی وارد میشود.در یادگیری تقویتی، یک «عامل هوشمند» با محیط تعامل میکند، تصمیم میگیرد، نتیجه تصمیم خود را میبیند و بر اساس پاداش یا جریمهای که دریافت میکند، بهتدریج رفتار بهتری یاد میگیرد.نکته مهم این است که عامل فقط به دنبال یک تصمیم خوب در همین لحظه نیست؛ بلکه باید پیامدهای آینده تصمیم خود را نیز در نظر بگیرد. برای مثال، کوتاهترین مسیر الزاماً بهترین مسیر نیست؛ شاید مصرف انرژی بیشتری داشته باشد یا احتمال برخورد در آن بالاتر باشد.جهت خواندن ادامه مبانی یادگیری تقویتی، این پست را مطالعه کنید.✈️آکادمی مهندسی هوافضا✈️کانال دورهها | کانال اصلی