2023年11月27日
offline RL | BCQ：学习 offline dataset 的 π(a|s)，直接使用 (s, π(s)) 作为 Q learning 训练数据
摘要： ① 使用 VAE 建模 offline dataset 的 π(a|s)，② 添加一个可以学习的 action 扰动 ξ，③ 用 (s, a=π(s)+ξ, r, s') 做 Q-learning。 阅读全文
posted @ 2023-11-27 21:29 MoonOut 阅读(75) 评论(0) 推荐(0) 编辑
RL 基础 | 讲的很好的 TRPO 博客
摘要： 一篇知乎 TRPO 博客，感觉 idea 讲的很清楚，特来搬运。 阅读全文
posted @ 2023-11-27 15:47 MoonOut 阅读(19) 评论(0) 推荐(0) 编辑