穷酸秀才大艹包

摘要： 郑重声明：原文参见标题，如有侵权，请联系作者，将会撤销发布！ ABSTRACT SAC是用于连续动作设置的最先进的RL算法，不适用于离散动作设置。但是，许多重要的设置都涉及离散动作，因此，在这里我们导出了适用于离散动作设置的SAC算法的替代版本。然后，我们证明了，即使没有任何超参数调整，它在Atar 阅读全文