登录社区云,与社区用户共同成长
邀请您加入社区
DAMO开发者矩阵,由阿里巴巴达摩院和中国互联网协会联合发起,致力于探讨最前沿的技术趋势与应用成果,搭建高质量的交流与分享平台,推动技术创新与产业应用链接,围绕“人工智能与新型计算”构建开放共享的开发者生态。
更多推荐
强化学习第十三课:为什么 Q-Table 到机器人这里会失效?
因为产生数据时可以使用:但学习目标却使用:代表更贪心的目标策略。所以:\[ \boxed{\text{行为策略和目标策略可以不同}} \]因为:它按照当前行为策略实际选择出的 \(a_{t+1}\) 来更新。所以采数据和被评价的是同一套策略。Q-Table 的最大问题:\[ \boxed{\text{状态空间太大/连续时无法枚举}} \]解决:用神经网络:代替 Q-Table。
管道行业焊接自动化方案需要匹配哪些工件参数和工艺条件
具身智能感控平台核心技术解析
扫一扫分享内容
为遵守国家网络实名制规定,未绑定将限制内容发布与互动
所有评论(0)