强化学习

这个项目把数据、训练、策略执行和评估放进同一个可检查的小任务，先确认学习循环的含义。它使用有限状态的一维积分器，省略惯性、视觉、关节和接触，因此是具身学习前的算法实验，不能代表完整机器人或视觉动作策略。 ...

强化学习通过与环境交互，用任务回报改进策略。首先应定义时间步、状态或观测、动作空间、转移、奖励与终止。机器人系统的动作可能是力矩，也可能是发送给底层控制器的位置目标；选择不同接口，学习面对的动态和频率也会变化。 ...