技术栈
mbrl
zh路西法
14 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
20 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"
我是有底线的