強化学習PQNを革新：新モデルAftabがCNNと価値関数を最適化

深層強化学習の分野で、並列化Qネットワーク（PQN）は簡素かつ安定したオフポリシー学習を可能にします。しかし、バッファレス設定での視覚エンコーダーの表現能力は未開拓でした。今回、AftabはCNNアーキテクチャと高度なQ学習拡張を体系的に調査・統合し、Atari-57およびProcgen Hardベンチマークで標準PQNを大幅に上回る性能を達成しました。この効率的で確率的に優れた構造は、モデルフリー強化学習の新たな参照点となるでしょう。