基本信息

---

下载

文档摘要

---

近端策略优化算法1主持人：20xx年xx月xx日

2动机机器人需要合适的自主学习能力才能实现真正的自主性。通过反复试验来改进，从而获得新技能在高维连续状态和动作空间中学习对人类运动控制的理解模拟人类行为基于模拟人类行为学习成本函数

3主要问题需要强化学习（RL）算法，扩展到高维机械系统处理参数化策略（例如神经网络函数逼近器）数据效率高强壮的理想情况下，易于实施。

4预赛马尔可夫决策过程（MDP）（S、A、P、r、?0、?）一组有限的动作有限状态集P:SxAxS→?r:S→??0:S→???(0,1)演员-评论家算法政策函数和价值函数的近似值政策内