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.
Cette page n'est pas encore traduite, elle s'affiche donc en anglais.
Cette leçon fait partie du cours payant. La première leçon de chaque cours est gratuite.
Commander par e-mail24 €Nous répondons sous un jour avec les informations de paiement (virement ou PayPal) et t'envoyons les fichiers par e-mail juste après le paiement.