Непрерывное многоцелевое обучение с подкреплением

Векторная функция вознаграждения

Функция вознаграждения, которая возвращает вектор вознаграждений вместо скаляра, позволяя одновременно учитывать несколько конфликтующих целей в обучении с подкреплением.

← Назад