网页
资讯
视频
图片
知道
文库
贴吧
地图
采购
进入贴吧
全吧搜索
吧内搜索
搜贴
搜人
进吧
搜标签
日
一
二
三
四
五
六
签到排名:今日本吧第
个签到,
本吧因你更精彩,明天继续来努力!
本吧签到人数:0
一键签到
成为超级会员,使用一键签到
一键签到
本月漏签
0
次!
0
成为超级会员,赠送8张补签卡
如何使用?
点击日历上漏签日期,即可进行
补签
。
连续签到:
天 累计签到:
天
0
超级会员单次开通12个月以上,赠送连续签到卡3张
使用连续签到卡
09月08日
漏签
0
天
人工智能吧
关注:
110,332
贴子:
498,506
看贴
图片
吧主推荐
视频
游戏
4
回复贴,共
1
页
<<返回人工智能吧
>0< 加载中...
求助
强化学习求助
只看楼主
收藏
回复
咔叩可乐
人脸辨识
1
该楼层疑似违规已被系统折叠
隐藏此楼
查看此楼
没弄过这个,请问大佬,想要用ppo算法,实现一个场景里有很多个小球运动,需要怎么做呢。现在的要求就是能动就行
咔叩可乐
人脸辨识
1
该楼层疑似违规已被系统折叠
隐藏此楼
查看此楼
设想的是,能输出一个地图,然后一直刷新agent的动作,可视化展示出来,但不会
胡梦柯5
9S
12
该楼层疑似违规已被系统折叠
隐藏此楼
查看此楼
ppo只是强化学习在损失函数中使用kL散度以保持摡率分布的一致性,例如大模型强化学习,机器应答要趋同于人类反馈对齐一致,kL散度就要尽量小,就表现一致了。但你只要求动起来,那就不必管损失函数了,只管训练时要求动的那部分代码,你可以借鉴随便个强化学习书的代码,看解释就知道是哪行代码触发小球action了,就是a即发生动作那行,最多再看选择a那行。
健康病患
自动驾驶
6
该楼层疑似违规已被系统折叠
隐藏此楼
查看此楼
3
登录百度账号
扫二维码下载贴吧客户端
下载贴吧APP
看高清直播、视频!
贴吧页面意见反馈
违规贴吧举报反馈通道
贴吧违规信息处理公示