강화학습 보상(Reward) 강화학습의 목적은 미래의 보상을 최대화 하는 것이다. Bandit 문제에서는 당장 앞에있는 보상을 최대화 하는 것이 목적이었지만, MDP에서는 조금 더 미래의 상태들을 고려해 행동을 선택한다. 예제) 로봇이 걷는 것을 에이전트와 보상에 비유해보자. 로봇이 많이 걸을수록 보상을 얻는다고 할 때, 로봇이 점프해서 슬라이딩을 하면 당장의 보상이 클 것이다. 하지만 다시 일어나서 걷는 것을 생각하면, 미래의 보상은 작아지기 때문에, MDP를 따르면 로봇이 그냥 걷는것이 미래의 보상을 더 높이는 방법이다. 에이전트의 목표 에이전트가 얻을 수 있는 결과(return)은 다음과 같이 정의할 수 있다: $$G_t \dot{=} R_{t+1} + R_{t+2} + R_{t+3} + ...$$..