MOSEAC: 简化的变步长强化学习

传统强化学习方法中，固定控制频率通常会导致高计算需求和降低的探索效率。多目标软弹性演员 - 评论家 (MOSEAC) 方法通过使用自适应奖励方案来解决这些问题，并验证了其在牛顿运动学环境中的高任务和训练性能，从而降低能源消耗，并简化了 RL 算法的部署过程。