526互联
首页
Ai
Java
Python
Android
Mysql
JavaScript
Html
CSS
Pessimistic
offline RL | Pessimistic Bootstrapping (PBRL):在 Q 更新中惩罚 uncertainty,拉低 OOD Q value
critic loss = ① ID 数据的 TD-error + ② OOD 数据的伪 TD-error,① 对所转移去的 (s',a') 的 uncertainty 进行惩罚,② 对 (s, a_ood) 的 uncertainty 进行惩罚。 ......
Bootstrapping
Pessimistic
uncertainty
offline
value
更新时间 2023-12-17
共1篇 :1/1页
首页
上一页
1
下一页
尾页