Непрерывное многоцелевое обучение с подкреплением

Обучение с подкреплением в непрерывном пространстве действий

Парадигма обучения с подкреплением, где агент может выбирать из бесконечного множества непрерывных действий, требующая использования адаптированных алгоритмов оптимизации, таких как PPO или SAC.

← Назад