मॉडल अंतरीकरण द्वारा सीखना

मॉडल के माध्यम से नीति ग्रेडिएंट

एक विधि जो अवकलनीय पर्यावरण मॉडल के माध्यम से पुरस्कारों को प्रचारित करके नीति ग्रेडिएंट्स की गणना करती है।

← पीछे