码迷,mamicode.com
首页 > 其他好文 > 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 20:26:52      阅读:163      评论:0      收藏:0      [点我收藏+]

标签:ems   optimize   ast   sch   gradient   city   learning   cto   some   

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

标签:ems   optimize   ast   sch   gradient   city   learning   cto   some   

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

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!