2023年11月25日
offline RL | IQL：通过 sarsa 式 Q 更新避免 unseen actions
摘要： ① 通过 (s,a,r,s',a') 更新 Q function，② 通过 Q 和 V 交替迭代，避免过拟合 s'~p(s'|a) 的随机好 s'，误以为 a 是好 action，③ 通过 AWR 从 advantage 提取 policy。 阅读全文
posted @ 2023-11-25 20:12 MoonOut 阅读(214) 评论(0) 推荐(0) 编辑