深層強化学習の手法に、Prioritized experience replay (PER)（優先順位付き経験再生）という方法がある。 リプレイバッファに蓄積した経験データに優先順位を付けて、優先順位が高いほどより多くサンプリングする手法だ。優先順位の尺度には、TD誤差が用い…