首页 > 其他 > 详细

CS294-112深度增强学习课程(加州大学伯克利分校 2017)NO.4 Learning policies by imitating optimal controllers

时间:2018-05-23 19:29:35      阅读:203      评论:0      收藏:0      [点我收藏+]

技术分享图片技术分享图片技术分享图片

 

 

 

 

 技术分享图片

 

 

There are some problems: mismatch of model and reality; gradient explosion

 

 

 

技术分享图片

 

 

 

 

 技术分享图片

 

 

 

 技术分享图片

so, the dynamics can be quite messy, and backpropogating can be quite problematic.

 sudden change in velocity and so on. schochastic system. gradient descent can be tough.

 

 

 

 技术分享图片

can we apply this trajectory optimization method to optimize policy?

 

 

 

 

技术分享图片

 

 

 

 

 技术分享图片

 

 

 

 技术分享图片

 

 

 

 技术分享图片

 

 

 技术分享图片

 

 

 技术分享图片

 

 

  

 技术分享图片

GPS: guided policy search

 

 

 

 技术分享图片

in this case, ot is from the camera and the joint velocity

 

 

 技术分享图片

 

 

 

 技术分享图片

 

 

 技术分享图片

 

 

 

 技术分享图片

 

                      技术分享图片

 

                       技术分享图片

 

                       技术分享图片

 

技术分享图片

 

 

 技术分享图片

                 技术分享图片

 

 

 

 技术分享图片

 

 

 技术分享图片

 

 

 

 

 技术分享图片

 

 

 

 

 技术分享图片

 

  

 

 

技术分享图片

 

 技术分享图片

 

 

 技术分享图片

 

 

 

 技术分享图片

 

 

 技术分享图片

CS294-112深度增强学习课程(加州大学伯克利分校 2017)NO.4 Learning policies by imitating optimal controllers

原文:https://www.cnblogs.com/ecoflex/p/9078801.html

(0)
(0)
   
举报
评论 一句话评论(0
关于我们 - 联系我们 - 留言反馈 - 联系我们:wmxa8@hotmail.com
© 2014 bubuko.com 版权所有
打开技术之扣,分享程序人生!