模型和策略有什么区别 w.r.t 强化学习
What is the difference between model and policy w.r.t reinforcement learning
这两个定义似乎都说明它们是从状态到动作的映射，那有什么区别或者我错了吗？
这篇文章真的为你总结了：
What is Model-Based Reinforcement Learning?
To Model or Not to Model
“Model” is one of those terms that gets thrown around a lot in machine learning (and in scientific disciplines more generally), often with a relatively vague explanation of what we mean. Fortunately, in reinforcement learning, a model has a very specific meaning: it refers to the different dynamic states of an environment and how these states lead to a reward.
...The policy is whatever strategy you use to determine what action/direction to take based on your current state/location.
强化学习（或任何真正的学习）的总体结果是制定一项政策，即在特定领域出现时要采取的一系列行为或行动。
强化因素是你根据先前学习的结果不断重新运行学习过程，有效地应用新策略并从中学习改进政策的结果。
在基于模型的强化学习中，我们使用模型来表示环境或领域，这记录了事实或状态以及可能的操作。通过了解某些事实，政策可以在每个重复周期中专门针对这些状态和行动，测试和提高政策的准确性，就像它提高模型的质量一样。
另外一种看待两者的方式是，模型是先前学习的记录或结果，是环境的更新视图。该模型处理事实或假设的事实，基于过去的政策执行结果，模型保存过去执行的记录，这些数据可用于近似从特定状态采取某些行动的结果。政策是对行为的实际学习，而模型是支持和确认我们学习的事实。
同一篇文章中的这张图简化了强化学习中模型和策略之间的关系：
这两个定义似乎都说明它们是从状态到动作的映射，那有什么区别或者我错了吗？
这篇文章真的为你总结了：
What is Model-Based Reinforcement Learning?
To Model or Not to Model
“Model” is one of those terms that gets thrown around a lot in machine learning (and in scientific disciplines more generally), often with a relatively vague explanation of what we mean. Fortunately, in reinforcement learning, a model has a very specific meaning: it refers to the different dynamic states of an environment and how these states lead to a reward.
...The policy is whatever strategy you use to determine what action/direction to take based on your current state/location.
强化学习（或任何真正的学习）的总体结果是制定一项政策，即在特定领域出现时要采取的一系列行为或行动。
强化因素是你根据先前学习的结果不断重新运行学习过程，有效地应用新策略并从中学习改进政策的结果。
在基于模型的强化学习中，我们使用模型来表示环境或领域，这记录了事实或状态以及可能的操作。通过了解某些事实，政策可以在每个重复周期中专门针对这些状态和行动，测试和提高政策的准确性，就像它提高模型的质量一样。
另外一种看待两者的方式是，模型是先前学习的记录或结果，是环境的更新视图。该模型处理事实或假设的事实，基于过去的政策执行结果，模型保存过去执行的记录，这些数据可用于近似从特定状态采取某些行动的结果。政策是对行为的实际学习，而模型是支持和确认我们学习的事实。
同一篇文章中的这张图简化了强化学习中模型和策略之间的关系：