北槐的博客

1.oto_tot​与sts_tst​的区别：state一般视作马尔科夫状态，而observation则result from state。使用state一般要求更为严格。一般来讲，observation更为低层，如图像；state则可以是抽象的更上一层，例如图像中的实体状态。“States are the true configuration of the system, and the observation is something results from that state which may

1.现实世界是非结构化和难以预测的，但是DL能够帮助我们去处理。2.DRL中End-to-End训练能够减少感知和控制之间的误差扩大。3.本课程还会涉及逆强化学习（学习reward函数）、迁移学习和元学习（相关任务的知识迁移）等。4.如何确定reward其实很关键，很多事情人类一生其实只做一次。5.模仿学习与目标推断（goal inference）。...