ion_ura的博客

方案1：利用自注意力机制。智能体依旧采集全部的信息，但在自注意力进行softmax前，给不能观测的状态量对应的位置乘上一个-1e-10，这样，几乎不关注≈无法观测，变相实现了对于无法观测信息的处理。方案2：利用LSTM,扩散模型等去预测并补全未知信息。但该方法可能会导致强化学习的回放池等部分一同大改，较为麻烦。在进行强化学习时，智能体有些时候无法探测到某些状态变量。这可能导致一个问题：网络的输入长度不一样。