开放原子开发者工作坊

一、概述

二、强化学习Reinforcement Learning

RL的方法分成两部分：

• Policy-based：学习到一个Actor
• Value-based：学习到一个Critic

 记录一些自己的疑问：

1.RL的缺陷是什么？继续学习，探究DNN,DQL等相关关系。

2.github上有很多关于TD3的资料，在论文撰写的时候可以做一些算法性能的比较，是一个加分项。

3.如何定义reward？谁来给予这个反馈？

4.随机Actor是训练的机器人随机吗？

5.是否因为神经网络有好多层，因此是酸度强化学习？所以当Actor时一个Neural Network的时候，做的是DRL。

6.监督学习计算的是最小化损失函数，强化学习计算的是最大化奖励函数？

7.期望奖励值计算中第三步梯度上升计算的时候，w代表什么参数？我们要找到的θ到底代表着什么？为什么可以控制R最大化？梯度上升的计算如何理解？ 

暂时以上。周末进行解答修改。