Hansry的博客

一. 强化学习的分类1.Model-free 和 Model-based Model-free 即机器人不知道外界环境信息，只能在机器人执行每一步动作后从环境中得到反馈然后去学习，只能按部就班，一步一步等待真实世界的反馈，再根据反馈采取下一步行动。诸如Q Learning， Sarsa，Policy Gradients等算法。Model-based 指机器人对环境有一定的了解，可以对环境...

一. Actor Critic1.基本概念 Actor Critic 为类似于Policy Gradient 和 Q-Learning 等以值为基础的算法的组合。a. 其中Actor 类似于Policy Gradient，以状态s为输入，神经网络输出动作actions，并从在这些连续动作中按照一定的概率选取合适的动作action。 b. Critic 类似于 Q-Learning 等以...

博主环境 Ubuntu16.04 python 3.5.2 tensorflow 1.4.21.安装mujoco1.准备工作 在官网上下载 mjpro150 linux ，同时点击Licence下载许可证，需要full name email address computer id 等信息，其中根据使用平台下载 getid_linux（可执行文件） 获取 computer id,...

ros: kinetic gazebo : 7.13 python 3.61.问题：WARNING: Metapackage “ecl_lite” must buildtool_depend on catkin. WARNING: Metapackage “ecl_lite” should not have other dependencies besides a buildtool_d...