2020李宏毅學習筆記——71 RL Advanced Version7.Sparse Reward
Reward Shaping 當reward的分佈非常分散時，對於機器而言學習如何行動會十分困難。 比如說要讓一個機器人倒水進水杯裏，如果不對機器人做任何指導，可能它做很多次嘗試，reward都一直是零。（不知道杯子在哪，不知道拿着手上的水壺幹嘛，不知道水壺靠近杯子之後應該怎麼做） 因此，在訓練或指導一個actor去做你想要它做的事情時，需要進行reward shaping 好奇 在原來的模型當中
相關文章
- 1. 2020李宏毅學習筆記——72 RL Advanced Version8.Imitation Learning
- 2. 2020李宏毅學習筆記——65 RL Advanced Version 1.Policy Gradient
- 3. 2020李宏毅學習筆記——70 RL Advanced Version 6.Actor-Critic
- 4. 2020李宏毅學習筆記——66 RL Advanced Version 2.Proximal Policy Optimization
- 5. 李宏毅深度強化學習筆記（七）Sparse Reward
- 6. 【完結】李宏毅深度強化學習筆記（五）Sparse Reward
- 7. 李宏毅強化學習筆記【4.Sparse Reward】
- 8. 【李宏毅-強化學習筆記】p7、Sparse reward
- 9. 機器學習：李宏毅深度強化學習筆記（四）Sparse Reward
- 10. 2020李宏毅學習筆記——69 RL Advanced Version 5.Q-learning（Continuous Action）
- 更多相關文章...
- • 您已經學習了 XML Schema，下一步學習什麼呢？ - XML Schema 教程
- • 我們已經學習了 SQL，下一步學習什麼呢？ - SQL 教程
- • Tomcat學習筆記（史上最全tomcat學習筆記）
- • 適用於PHP初學者的學習線路和建議
相關標籤/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。
歡迎關注本站公眾號,獲取更多信息
相關文章
- 1. 2020李宏毅學習筆記——72 RL Advanced Version8.Imitation Learning
- 2. 2020李宏毅學習筆記——65 RL Advanced Version 1.Policy Gradient
- 3. 2020李宏毅學習筆記——70 RL Advanced Version 6.Actor-Critic
- 4. 2020李宏毅學習筆記——66 RL Advanced Version 2.Proximal Policy Optimization
- 5. 李宏毅深度強化學習筆記（七）Sparse Reward
- 6. 【完結】李宏毅深度強化學習筆記（五）Sparse Reward
- 7. 李宏毅強化學習筆記【4.Sparse Reward】
- 8. 【李宏毅-強化學習筆記】p7、Sparse reward
- 9. 機器學習：李宏毅深度強化學習筆記（四）Sparse Reward
- 10. 2020李宏毅學習筆記——69 RL Advanced Version 5.Q-learning（Continuous Action）