技术栈
优势奖励建模
v_JULY_v
6 小时前
arm
·
优势奖励建模
·
三态标注策略
·
相对优势的估计
·
sarm
·
阶段感知奖励建模
·
ra-bc
ARM——用于长时序操作的优势奖励建模：采用三态标注策略(前进/后退/停滞），实现对相对优势的估计(含SARM详解)
面向长时间跨度的机器人操作任务，强化学习仍然面临巨大挑战，其根源在于稀疏奖励只能为信用分配提供有限指引
我是有底线的