深度强化学习算法在MuJoCo机器人环境中的应用与比较（DDPG、TD3、SAC）
深度强化学习的 DDPG、TD3、SAC 这几套算法，放到 MuJoCo 环境里一跑，优劣立马就看出来了。文中代码挺扎实，Actor/Critic 的结构清晰，是 SAC 那套熵调节逻辑，讲得到位。你如果正在研究机器人控制，尤其是那种动作空间连续的，比如 Humanoid 走路啥的，这篇文章还挺值得花时间仔细看看。
下载地址
用户评论
