761
个编辑
更改
小第22行：
第22行： − + − − ** 解码器（Decoder） − + − 第35行：
第32行： −
→3. Dreamer框架原理
* '''3.1 系统架构'''
* '''3.1 系统架构'''
** 编码器-解码器（Encoder-Decoder）
** 编码器（Encoder）
** 潜在动力学模型（Latent Dynamics Model）
** 潜在动力学模型（Latent Dynamics Model）
** 策略网络与值函数
** 策略网络与值函数
* '''3.2 训练过程'''
*'''3.2 训练过程'''
** 表征学习阶段
** 表征学习阶段
** 基于潜在空间的Rollout与策略优化
** 基于潜在空间的Rollout与策略优化
* '''3.3 规划与决策机制'''
* '''3.3 规划与决策机制'''
** 潜在空间中的imagined trajectory
** 潜在空间中的imagined trajectory
** 使用MPC或policy gradient进行action selection
** 使用MPC或policy gradient进行action selection