DRLND-project-2
该存储库包含项目2的实现。
项目详情
到达者
该项目实现了PPO，用于解决Unity环境中的连续控制问题-使机械臂跟随旋转的航点-在具有20个代理的变体版本上。
最终执行记录：
当手臂末端位于目标球体内/目标航路点的固定范围内时，每个代理随时间累积的奖励。 代理的目标是遵循路标。
对于每个代理，状态空间具有33个维度，而动作空间具有4个连续维度。
该任务是情节性的，当特工在100个连续情节中获得+30的平均分数时，该任务被认为已解决。
履带式
该项目的可选/额外/挑战部分是控制爬虫。
在面对正确方向和该方向的速度时，每个四脚实体尝试遵循目标目标时，每个代理随时间累积的奖励。
该环境具有12个代理，每个代理以129维观察状态，并以20维控制动作。
该环境基于。
入门
依存关系
可以根据依赖关系来设置此项目的依赖关系。 以下说明将引导您逐步设置该
2023-04-05 14:54:26
15.18MB
1
我们将深度Q-Learning成功背后的理念与持续的
动作域。我们提出了一种基于确定性模型的无模型算法
可以在连续动作空间上操作的策略梯度。使用
同样的学习算法，网络结构和超参数，我们的算法
稳健地解决20多个模拟物理任务，包括经典
如手推车摆动、灵巧操作、腿部运动等问题
还有开车。我们的算法能够找到性能具有竞争力的策略
与那些发现的规划算法完全访问的动态
域及其衍生物的。我们进一步证明，对于许多
任务算法可以“端到端”学习策略：直接从原始像素输入。
2021-12-29 13:02:26
668KB
1
（DDPG中文）Continuous control with deep reinforcement learnin
中文版 翻译自用
2019-12-21 20:55:14
5.88MB
1