基于截断目标函数的消极策略优化的政策梯度
原文中文，约200字，阅读约需1分钟。
📝
内容提要
我们发现通过简单调整目标，用截断策略梯度替换PPO的重要性采样，可提升连续行动空间中的性能，促进探索，改善单任务、约束和多任务学习效果，且不增加计算成本。
🏷️
