BriefGPT.xyz
Ask
alpha
关键词
indicator reward function
搜索结果 - 1
无需基准状态的强化学习
提出了一种简单的指示器奖励函数,以解决在连续状态空间中使用强化学习训练策略时无法基于高维观测指定奖励函数的挑战;并提出奖励平衡和奖励过滤两种方法,以进一步加速使用指示器奖励函数的模型的收敛速度,并展示了在无需知道地面实况的情况下从 RGB-
→
PDF
5 years ago
Prev
Next