分类 强化学习 下的文章

Lecture 2观察序列不满足马尔可夫性，但状态序列满足马尔可夫性s表示状态，a表示动作；x表示状态，u表示动作模仿学习behavioral cloningtrick：多次采样，故意采样出现bias的但修正的轨迹DAgger方法解决...