CS294-112 深度强化学习 秋季学期（伯克利）NO.9 Learning policies by imitating optimal controllers

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

make compromise between learnt policy and minimal cost！

                    

 

 

 

 

                     

 

   

 

      

 

 

 

 

 

 

π hat is using states

π theta is using observations