每盘总奖励的曲线.
用PPO2做小车避障，reward上升之后一直是平的，这种现象正常吗？
如果有问题，有什么办法解决？
用PPO2做小车避障，reward上升之后一直是平的，这种现象正常吗？
每盘总奖励的曲线.
用PPO2做小车避障，reward上升之后一直是平的，这种现象正常吗？
如果有问题，有什么办法解决？
- 写回答
- 好问题 0 提建议
- 关注问题
分享- 邀请回答
-
0条回答 默认 最新
- 2025-05-29 14:57AIGC应用创新大全的博客 物流行业的“最后一公里”成本占比超50%，路径规划效率直接影响...本文聚焦**强化学习（Reinforcement Learning, RL）**这一AI技术，探讨其如何破解物流路径规划的动态优化难题，覆盖技术原理、实战案例与行业价值。
- 2024-08-08 09:48AI天才研究院的博客 AI Agent: AI的下一个风口 具身机器人的发展趋势 1. 背景介绍 1.1 人工智能的发展历程 1.1.1 早期人工智能
- 2025-03-14 12:48AI天才研究院的博客 在当今制造业快速发展的背景下，智能制造成为了提升生产效率、降低成本、提高产品质量的关键方向。柔性生产线作为智能制造的重要组成部分，能够根据不同的生产需求快速调整生产流程和工艺参数，实现多品种、小批量的...
- 2024-02-22 13:29人工智能_SYBH的博客 Garrido-Jurado等人于2014年在一文中提出，在opencv的官方文档中可以找到ArUco的使用方法。ArUco 标记是由宽黑色边框和确定其标识符（id）的内部二进制矩阵组成的正方形标记，被广泛用来增加从二维世界映射到三维...
- 2025-04-09 21:45观熵的博客 从游戏 AI 到分布式机器人系统，从多 Agent RAG 到 LLM × 工具链联动，**多智能体系统（Multi-Agent Systems, MAS）**正在成为构建复杂 AI 应用的核心范式。 本篇我们将带你认识多智能体系统的基本类型、协作机制与...
- 2022-11-07 13:55方小生–的博客 我的毕业论文主要是使用DQN，PPO，SAC仿真，然后放到车上跑（效果不太好）。 DQN和PPO是离散控制，SAC是连续控制。 代码说明： DQN是依照turtlebot3官方代码修改的pytorch版本，因为tensorflow配置环境有点难（用过...
- 2024-11-22 05:46AI天才研究院的博客 它的起源可以追溯到20世纪50年代，当时人工智能（Artificial Intelligence，简称AI）的先驱们开始探索如何通过机器自主学习来解决问题。早期的研究主要集中在基于规则的系统和简单的强化学习算法上，如Q-learning和...
- 2024-12-02 11:12AI大模型应用实战的博客 强化学习与自适应控制原理与代码实战案例讲解 关键词：强化学习, 自适应控制, 马尔可夫决策过程, Q-learning, SARSA, DQN, PPO, A3C, 代理(Agent), 应用案例, 代码实战 1. 背景介绍
- 2025-05-05 19:30xiaomu_347的博客 简单易实现（比 TRPO 简洁）稳定性强可用于高维动作空间（如机械臂、二足机器人）官方 ...鲁棒性强比 DDPG 更稳定可靠动作输出确定性高，适合精准控制任务样本效率较好（off-policy）适用于机械臂、小车控制等任务。
- 2018-01-31 00:00人工智能学家的博客 来源：德先生概要：2016年初，AlphaGo战胜李世石成为人工智能的里程碑事件。其核心技术深度强化学习受到人们的广泛关注和研究，取得了丰硕的理论和应用成果。深度强化学习进展: 从AlphaGo到AlphaGo Zero唐振韬, ...
- 2025-05-26 18:34AI_DL_CODE的博客 通过构建多模态感知融合网络与改进型近端策略优化（PPO）决策模型，设计自适应奖励函数动态调整机制，并基于ROS与Gazebo搭建全链路仿真测试平台。详细展示硬件选型、算法代码实现、模型训练优化及实际部署流程，提供...
- 没有解决我的问题, 去提问
问题事件
系统已结题
12月13日
创建了问题
12月5日