为什么要限制连续的动作？
为什么要限制连续的动作？
提问于 2018-01-01 09:32:04
在深度强化学习中，使用连续的动作空间，为什么在智能体执行之前夹住动作似乎是一种常见的做法？
示例：
OpenAI健身房山地车https://github.com/openai/gym/blob/master/gym/envs/classic_control/continuous_mountain_car.py#L57
信息丢失不是这样做的吗？例如，如果模型输出速度为+10 (移动)，然后将其钳制为+1，则动作本身的行为相当离散(仅与其执行有关)。对于细粒度的移动，将输出乘以0.1不是更有意义吗？
回答 1
Stack Overflow用户
发布于 2018-01-01 18:56:19
这样做可能只是为了对代理可以做的事情施加约束。也许智能体想要执行一个动作，将速度提高1,000,000。但如果智能体是一辆引擎较弱的自动驾驶汽车，最多只能加速1个单位，我们并不关心智能体是否会假设想要加速更多单位。这辆车的引擎能力有限。
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/48046656
复制相关文章
相似问题
腾讯云开发者
