一些RL疑问和笔记

最新推荐文章于 2024-07-20 18:05:54 发布
最新推荐文章于 2024-07-20 18:05:54 发布
阅读量74 收藏
点赞数 2
文章标签： 笔记
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_46640288/article/details/138715332
版权

项目：用PPO搭建强化学习小车在gazebo中运行

问题：在到达目标点之前的rew需要设置为负数吗?
思路：
1.因为设置为正数的时候，同时有设置了一个最大步数，也就是这一次游戏中走了大于800步就不再运行了，重新初始化。训练出来的agent向目标靠近但是在目标周围徘徊，无法到达目标点。怀疑agent觉得走满800步获得的奖励也不错，所以不靠近目标点。
2.想知道代码中优化策略网络的原理。最终到达目标的那个很大的rew是否会传递到接近目标的那几步呢？

bug见我绕路走
关注
  • 2
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
强化学习笔记和学习材料
01-02
本压缩包文件"768.rl_learn__applenob"可能包含了关于强化学习的详细笔记和学习材料，这对于深入理解和掌握强化学习的概念、算法及其应用至关重要。以下是一些强化学习的主要知识点： 1. 强化学习的基本概念：强化...
ft232rl-driver新驱动
04-30
FT232RL是一款广泛应用在嵌入式系统、电子开发板和各种串行通信设备中的集成电路。它提供了USB到TTL串口的转换功能，使得用户可以方便地将USB连接到传统的串行设备。 FT232RL驱动的关键知识点包括： 1. **FTDI公司...
RL78 SNOOZE模式应用笔记
09-25
瑞萨的RL78 SNOOZE存在bug，亲身实用经历，导致电池很快用完，损失一笔钱，通过修改程序，可以解决。笔记中介绍了实用方法。
RL78 G12 20P.pdf
05-17
此外，电路中还包含了一些电容（如C1、C2、C3、C4等）用于滤波和电源去耦，电阻（如R1、R4、R6等）用于电路阻抗匹配和分压，以及一些其他元件如电感和二极管。 此最小核心板的设计，充分考虑了系统的可扩展性和易用...
FT232RL driver.7z
07-31
FT232RL是一款广泛应用的USB到UART桥接器，由FTDI（Future Technology Devices International）公司设计和生产。这款芯片为许多电子项目和设备提供了便捷的串行通信接口，尤其是在开发板、嵌入式系统和DIY硬件中常见...
C语言复习（笔记加例题）第一章：数据类型及其运算
weixin_55021541的博客
07-17 1023
通常在其他编程语言中用作字符串的缩写，但在 C 语言中，字符串是通过字符数组char a[]来表示的。：以下哪个类型是 C 语言中用来存储布尔值的？：以下哪个类型是 C 语言中用来存储字符的？：以下哪个不是 C 语言中的基本数据类型？2. C 运算符的种类、运算优先级和结合性。3. 不同类型数据间的转换与运算。4. C 表达式的类型和求值规则。并不是一个基本数据类型。：A，在 C 语言中，
谷粒商城实战笔记-38-前端基础-Vue-指令-单向绑定&双向绑定
epitomizelu的专栏
07-20 507
安全性v-text更安全，因为它总是将数据作为纯文本插入，不解析 HTML。v-html则可能引发安全问题，因为它会解析并渲染 HTML 标签。用途v-text适用于插入文本数据，而v-html适用于插入需要被解析为实际 HTML 的数据。处理 HTML 标签v-text忽略 HTML 标签，将其视为普通文本；v-html则会解析并显示 HTML 标签。二者都是单向绑定，元素绑定model，model不绑定元素，元素值改变时model值不会更新。
VSCODE驯服笔记（一）
敲代码的狸花猫
07-15 324
点击左下角的齿轮图标，然后选择 “Settings”。或者使用快捷键 Ctrl + ,（Windows/Linux）或 Cmd + ,（macOS）。
防御笔记第七天（时需更新）
weixin_63264424的博客
07-16 772
HRP在进行双机热备时，还有一个要求，两台热设备之间，必须拥有一条链路，用来同步信息，并且，这条链路必须是三层链路---这两条路在进行数据传输时，不受安全策略的影响，（注意，如果心跳线是直连的，则不受安全策略的影响，但是中间有中继设备，即非直连场景，则需要配置安全策略）----心跳线----VGMP发送的报文也是通过心跳线传输的。配置信息---（接口IP地址，路由地址）-----hrp不能同步基本的接口和路由信息，安全策略和NAT策略……状态信息-----会话表，server-map，黑名单和白名单等等。
OpenGL笔记十四之GLM数学库的配置与使用
小勇博客
07-20 267
— 2024-07-20 中午。
谷粒商城实战笔记-39-前端基础-Vue-指令-v-on、v-for、v-if
最新发布
epitomizelu的专栏
07-20 535
v-on 是 Vue.js 中的一个指令，用于在 DOM 元素上监听用户事件，并在事件触发时执行相应的 JavaScript 函数。它提供了一种将 Vue 实例中的方法与 DOM 事件关联起来的方式，使得你可以轻松地对用户交互做出响应。v-on 指令的基本语法是在元素上添加 v-on:event-name=“method”，其中 event-name 是你要监听的 DOM 事件类型（如 click、mouseover、keydown 等），method 则是 Vue 实例中定义的方法名。
node模块加载及第三方包（学习笔记）
oopsboom的博客
07-16 597
gulp是什么？ 基于node平台开发的前端构建工具 将机械化操作编写成任务, 想要执行机械化操作时执行一个命令行命令任务就能自动执行了 用机器代替手工，提高开发效率。 能做什么？ 项目上线，HTML、CSS、JS文件压缩合并 语法转换（es6、less …） 公共文件抽离 修改文件浏览器自动刷新 Gulp使用 1.使用npm install gulp下载gulp库文件 2.在项目根目录下建立gulpfile.js文件（只能是这个文件） 3.重构项目的文件夹结构 src目录放置源代码文件 dist目录放置构
算法刷题笔记 排列数字（C++实现）
hanmo22357的博客
07-17 275
一道简单的深度优先搜索（DFS）模板题，给出了DFS问题的一般思路以及C++代码实现
linux学习笔记整理: 关于linux系统介绍 2024/7/16；
gzx233的博客
07-16 1146
linux基础介绍和指令
Vue3企业级项目开发实战课-笔记记录
tuku0801的专栏
07-20 588
实践 Vue 3 自研组件库开发、Node.js 服务端开发、Vue 3 结合 Node.js 的全栈项目开发以及全栈项目的单元测试等大厂常见的项目技术场景
Java并发编程与高并发解决方案笔记
tuku0801的专栏
07-17 1012
将结合大量图示及代码演示，带你掌握多线程并发编程（线程安全，线程调度，线程封闭，同步容器等）与高并发处理思路与手段（扩容，缓存，队列，拆分等），构建完整的并发与高并发知识体系
谷粒商城实战笔记-35-前端基础-ES6-模块化
epitomizelu的专栏
07-20 371
模块化就是把代码进行拆分，方便重复利用。类似 java 中的导包：要使用一个包，必须先导包。JS 中没有包的概念，JS中类似的概念是模块。export和import。export命令用于规定模块的对外接口。import命令用于导入其他模块提供的功能。
Cadence23学习笔记（七）
zjb6668的博客
07-20 128
三种信号联通的方式：如何旋转元器件：先像下图一样选中器件，之后按住快捷键R即可旋转：设置栅格大小：这里的栅格数值越大，格点越密集。放置分页符号：cadence中分页的话必须放置分页符！！！！单纯的net alia不能使用，与嘉立创不同！！！off-page connector与net alia性质差不多，但是前者只能在多个页面之间互连，后者只能在一个页面的内部形成互连，它们的name所代表的都是网络名称，不用太讲究信号的流向，但最好规范一下。一个发送，一个接收。
cs224w笔记（p5）
m0_51118873的博客
07-19 420
它特别关注两个节点共有的邻居节点，并给予那些在网络中不太常见的共有邻居更高的权重，而对于那些更常见的共有邻居则给予较低的权重。其中，Γ(𝑢)Γ(u) 表示节点 𝑢u 的邻居节点集合，Γ(𝑣)Γ(v) 表示节点 𝑣v 的邻居节点集合，Γ(𝑢)∩Γ(𝑣)Γ(u)∩Γ(v) 表示 𝑢u 和 𝑣v 的共有邻居节点集合。其中，𝐴A 和 𝐵B 分别代表两个集合，∣𝐴∩𝐵∣∣A∩B∣ 表示集合 𝐴A 与 𝐵B 的交集元素的数量，而 ∣𝐴∪𝐵∣∣A∪B∣ 表示集合 𝐴A 与 𝐵B 的并集元素的数量。
RL-FlashFS和FATFS
06-09
RL-FlashFS和FATFS都是文件系统，用于管理嵌入式设备中的闪存存储器。它们的主要区别在于实现方式和适用范围。 RL-FlashFS是由STMicroelectronics开发的一种文件系统，专为STM32微控制器的闪存存储器而设计。它...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值