初めてのはてぶ投稿なのでテストがてら書いていく。元論文はこちら↓ arxiv.org 論文：Hindsight Experience Replay Abstract ・強化学習問題でスパースな報酬（エージェントが行動を起こしても得ることが困難な報酬）を扱うことは最も大きな課題の1つとして…