技术栈
mbpo
zh路西法
2 小时前
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"
我是有底线的