技术栈
pets
zh路西法
11 天前
gru
·
mpc
·
planet
·
ces
·
rssm
·
pets
·
mbrl
【模型式强化学习】（五）：PlaNet——从 RSSM 潜在状态建模到 MPC 动作规划
MPC：潜在空间规划与动作执行世界模型：状态推断与学习KL 散度约束提供未来奖励预测控制信号当前观测 图像 oₜ
zh路西法
18 天前
python
·
强化学习
·
pe
·
sac
·
pets
·
mbpo
·
mbrl
【模型式强化学习】（三）：MBPO——短轨迹生成与模型数据驱动的策略优化
说人话：离策略就是"别人开车我记笔记"，记下来的经验可以反复翻看；在策略（on-policy）则是"自己开、开完就忘"
zh路西法
20 天前
pytorch
·
python
·
强化学习
·
pe
·
mpc
·
ces
·
pets
【模型式强化学习】（二）PETS——从概率动力学模型到模型预测控制（MPC）
说人话：环境模型就是智能体自己写的一份操作说明书，查一下当前状态和动作，就知道下一步会到哪、能拿多少分
我是有底线的