所以说我以前sac环境写错了，希望这次可以work。
是 gym.GoalEnv 的环境，compute_reward() 输入是一大组数据，要 axis=1。这样说来，pick-and-place也有问题了。
btw，那个reward shaping 文章，我怀疑这不是 MDP，然后学术品味（昨天晚上刚刚听说这个词），hmm，不是很高的样子，感觉像我打数模出的那种馊主意。
- 正在追寻dolce
- 2 年，4 月前
- 2022年2月21日 12:23
- 卡主
- 正在追寻dolce
- 2 年，4 月前
- 2022年2月21日 12:24
- 卡主
sac它work了。together with HER，它work了。ToT
- 正在追寻dolce
- 2 年，4 月前
- 2022年2月21日 15:13
- 卡主
sac并不在pick上work。令人难过。不过如果冷静面对找解决方案，就可以找到解决方案的。
- 正在追寻dolce
- 2 年，4 月前
- 2022年2月21日 19:05
- 卡主
有点自闭，主要是又冷又渴。
- 正在追寻dolce
- 2 年，4 月前
- 2022年2月21日 22:15
- 卡主
你就不能把手伸向obj，然后把它抓起来，然后拿着它移到指定位置吗？？？
- 正在追寻dolce
- 2 年，4 月前
- 2022年2月22日 08:49
- 卡主
成功了？成功了……？居然成功了？？
谁能成为意见领袖？
语不惊人死不休
舍您其谁
© 行恒 2013
看到了一个好的reward shaping 文章，abstract超级吸引人。