Is it learning? Plots, reward debugging and fair comparisons
A rising return is not proof of walking. Plot the learning curve and every reward term, watch the policy, measure it with fixed commands and evaluation seeds, run the hand-written trot through the same environment, and catch reward hacking before it reaches the robot.
Esta página aún no está traducida, por eso se muestra en inglés.
Esta lección forma parte del curso de pago. La primera lección de cada curso es gratuita.
Pedir por correo24 €Respondemos en un día con los datos de pago (transferencia o PayPal) y te enviamos los archivos por correo justo después del pago.