May, 2017

约束策略优化

TL;DR提出了一种新的基于Constrained Policy Optimization (CPO)算法的强化学习策略搜索方法,可保证在每次迭代中实现约束满足,能够应用于高维控制问题,例如,在机器人运动中,智能体必须满足安全性约束条件。