会员
众包
新闻
博问
闪存
云市场
所有博客
当前博客
a56爆大奖在线娱乐的博客
a56爆大奖在线娱乐的园子
账号设置
简洁模式
...
退出登录
注册
登录
月出兮彩云归 ?
首页
新随笔
联系
订阅
管理
2023年11月19日
offline RL | TD3+BC:在最大化 Q advantage 时添加 BC loss 的极简算法
摘要: ① 在 actor 最大化 Q advantage 时,纳入一个 behavior cloning loss; ② observation 归一化;③ 让 Q advantage 跟 behavior cloning 的 loss 可比。
阅读全文
posted @ 2023-11-19 17:02 MoonOut
阅读(330)
评论(0)
推荐(0)
编辑
公告