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(562) 评论(0) 推荐(0) 编辑