2024年4月19日
RILIR 复现 & 一些 idea
摘要： 伪代码： 在 if done 的时候，在环境中已经跑了一个 trajectory 了，利用当前的 trajectory 和专家的 demo 求一下 reward（文章中用的是 optimal transport 的几种方法） 否则，就继续在 observation 的基础上利用 actor 学到的策 阅读全文
posted @ 2024-04-19 21:15 SkyRainWind 阅读(7) 评论(0) 推荐(0) 编辑