んんんー、内容見てると学習ではないな。入力が2系統入れれて状態が渡せるようになってるだけだな。
コンテクストに合わせたモデルのSwitchが簡単に出来ると理解した方がいいのか？
強化学習的な振る舞いができるように見えるけど触ってみんとわからんな