范子琦的博客

作者针对不通的目标设计了很多奖励塑造，比如击打目标物体的任务，如果离目标很远则跑过去，如果离目标很近则切换到行走，如果与目标足够近则击打目标。本文混合了目标实现和模仿学习，其中模仿学习使用对抗性方式学习对给定风格的遵守，AMP中的A(Adversarial)就是对抗性。同样，我们希望我们的 Actor 能够模仿专家，即 Actor 产生的轨迹（的分布）与专家产生的轨迹（的分布）相似。这种多个动作的组合需要用权重来控制，比如举起手行走，如果举手的权重过小，则几乎无法行走；如行走的权重过小，则无法举手。

环境建模为POMDP，定义为M​SOAd0​prγ​其中完整状态、部分观测、动作都是连续的s∈So∈Oa∈A环境从初始状态分布d0​s0​​开始，以下述状态转移概率进行pst1​∣st​at​每次transition获得下述奖励函数定义的奖励rS×A→R折扣因子定义为γ∈01将t时刻的过去H次测量值的时间观测值定义为otH​ot​​ot−1​ot−H​​T。

Windows+Opencv+Clion的配置

使用Clion开发Qt

手把手教你电机FOC控制【三】

手把手教你电机FOC控制【二】

手把手教你电机FOC控制【一】

使用Clion开发STM32

模型预测控制（Dr_Can笔记）

ROS2——教你写新版Launch文件

手撕卡尔曼滤波器，包括扩展卡尔曼滤波器

FOC控制原理——Clark变换和Park变换

树莓派使用串口

机器人动力学——拉格朗日法

Cyberdog——小米四足机器人测评

Hexo部署至云服务器的宝塔面板

深入学习C++——44智能指针

深入学习C++——21~23静态

深入学习C++——18~19类