LEARNING ACTIONABLE REPRESENTATIONS WITH GOAL-CONDITIONED POLICIES
ARC Actionable representations for controlDAct(s1,s2) Actionable distancesarc 状态表达将着重记录那些对action有影响的状态信息,对于是否能重构原始状态并不关心首先在一个强化学习环境中生成最大熵目标导向策略πθ (a|s, g)s1和s2的ACT距离:就是从同一个起始点s...
原创
2019-06-06 17:40:39 ·
321 阅读 ·
0 评论