【机器人 / 强化学习】IQL(Implicit Q-Learning):离线强化学习的隐式价值提取
Qsa−Vs当 error < 0(数据比我猜的低):我认为这是"失误"或"平庸的表现",不怎么在乎它,给很小的权重当 error > 0(数据比我猜的高):我认为这才是"财富"和"潜力",给巨大的权重这引出一个反直觉的问题:如果你想追逐上限,对负误差应该重罚还是轻罚?我们来推演一下。你的目标是成为全校第一名,估值代表你对"第一名"水平的认知(95 分)。现在看到一张考了 10 分的卷子(低分数据
所有评论(0)