- 博客(2)
- 收藏
- 关注
原创 强化学习奖励设计及debug
其中c1和c2是两个常数,决定了这个函数的最大值(c1)和最小值(c2),x是所求奖励对应的观察值,平方也可以用绝对值、一范数和二范数代替,保证它为正即可。c1和c2的选取需要保证奖励函数对观察值的变化敏感,当观察值发生变化时,奖励函数需要能感受到明显的变化。奖励应该分为正奖励和负奖励,依靠正负奖励的平衡来调节机器人的探索和稳定,正奖励过多则策略偏向于存活以获得更多奖励,会削弱可能导致失败的探索;同理,如果某些奖励比其他正常奖励小很多,说明它们的绝对值太小,有它没它差不多,需要增大。
2023-02-24 20:54:53
1169
1
原创 解决ndarray内嵌套tuple的问题
在使用Isaacgym的过程中遇到了一个调取关节电机信息的接口gym.get_asset_dof_properties(asset),它返回的数据是一个包含12个tuple的一维ndarray,而对关节电机信息进行编辑时需要用到gym.set_actor_dof_properties(envs, actor_handles, dof_props),其中第三个参数的值也需要是一个包含12个tuple的一维ndarray。可惜的是,直接将列表转换为数组还是会遇到相同的问题……
2022-09-28 14:37:44
343
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人