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
著名的强化学习算法 Proximal Policy Optimization 的另一种自定义实现，也称为 PPO
2022-05-11 09:04:05
25KB
#6.4_PPO_DPPO_Proximal_Policy_Optimization_(强化学习_Reinforcement_L
2021-09-01 21:00:30
40.32MB