2020李宏毅学习笔记——71 RL Advanced Version7.Sparse Reward
Reward Shaping 当reward的分布非常分散时，对于机器而言学习如何行动会十分困难。 比如说要让一个机器人倒水进水杯里，如果不对机器人做任何指导，可能它做很多次尝试，reward都一直是零。（不知道杯子在哪，不知道拿着手上的水壶干嘛，不知道水壶靠近杯子之后应该怎么做） 因此，在训练或指导一个actor去做你想要它做的事情时，需要进行reward shaping 好奇 在原来的模型当中
相关文章
- 1. 2020李宏毅学习笔记——72 RL Advanced Version8.Imitation Learning
- 2. 2020李宏毅学习笔记——65 RL Advanced Version 1.Policy Gradient
- 3. 2020李宏毅学习笔记——70 RL Advanced Version 6.Actor-Critic
- 4. 2020李宏毅学习笔记——66 RL Advanced Version 2.Proximal Policy Optimization
- 5. 李宏毅深度强化学习笔记（七）Sparse Reward
- 6. 【完结】李宏毅深度强化学习笔记（五）Sparse Reward
- 7. 李宏毅强化学习笔记【4.Sparse Reward】
- 8. 【李宏毅-强化学习笔记】p7、Sparse reward
- 9. 机器学习：李宏毅深度强化学习笔记（四）Sparse Reward
- 10. 2020李宏毅学习笔记——69 RL Advanced Version 5.Q-learning（Continuous Action）
- 更多相关文章...
- • 您已经学习了 XML Schema，下一步学习什么呢？ - XML Schema 教程
- • 我们已经学习了 SQL，下一步学习什么呢？ - SQL 教程
- • Tomcat学习笔记（史上最全tomcat学习笔记）
- • 适用于PHP初学者的学习线路和建议
相关标签/搜索
每日一句
-
每一个你不满意的现在，都有一个你没有努力的曾经。
欢迎关注本站公众号,获取更多信息
相关文章
- 1. 2020李宏毅学习笔记——72 RL Advanced Version8.Imitation Learning
- 2. 2020李宏毅学习笔记——65 RL Advanced Version 1.Policy Gradient
- 3. 2020李宏毅学习笔记——70 RL Advanced Version 6.Actor-Critic
- 4. 2020李宏毅学习笔记——66 RL Advanced Version 2.Proximal Policy Optimization
- 5. 李宏毅深度强化学习笔记（七）Sparse Reward
- 6. 【完结】李宏毅深度强化学习笔记（五）Sparse Reward
- 7. 李宏毅强化学习笔记【4.Sparse Reward】
- 8. 【李宏毅-强化学习笔记】p7、Sparse reward
- 9. 机器学习：李宏毅深度强化学习笔记（四）Sparse Reward
- 10. 2020李宏毅学习笔记——69 RL Advanced Version 5.Q-learning（Continuous Action）