• 

  • 正在追寻dolce
  • 7级
  • 自律力99.32
  • 希望顺利毕业的学生
  • 
  • 

#戒断# 今天是戒断第一天

• 正在追寻dolce
• 2 年，5 月前
• 2021年11月20日 10:24
• 卡主

10：20
学长新写了 3 个 subtask，主要体现在 interact 会返回 3 个 subtask 的 reward，就是可以从 interact 的返回值上发现自己完成了哪些 subtask。
想到一个hacking，我一直扔土豆+拿土豆，岂不是两步就捡起来一次土豆，然后reward upup？hhhh
接下来要明确我的需求，我到底要做什么。是根据给定的subtask规划动作。比如导航。并且为不撞到别人，还要时时刻刻看地图。
我刚刚产生了一个想法，把整个程序重构，不采用继承的方式，把现在的env作为一个成员变量。嗯。

• 正在追寻dolce
• 2 年，5 月前
• 2021年11月20日 15:47
• 卡主

15：29
梳理思路。
一个 agent 得知自己要做 high-level 的动作，比如说 pick tomato。agent 首先声明一个我的 subtask agent，并且做一些初始化（如意识到自己在哪里，tomato 又在哪里）。然后，while(动作没有结束) 来使用 subtask agent，输入目前的地图，输出下一步的动作。
我需要知道的事情：
agent 在哪里，tomato 在哪里，哪些是障碍物，什么时候抓到了（给出动作结束的信号）。
我该如何训练：
给出随机地图，随机 agent 位置，随机 tomato 位置。reward 函数：到达 destiny 则1，否则0。
模型的分离：
一个模型用来导航，再封装一层，给出agent位置、destiny位置、每时每刻的地图、调用模型来导航。

• 正在追寻dolce
• 2 年，5 月前
• 2021年11月20日 16:07
• 卡主

我发现一个事情啊，就是while循环得到下一步怎么走，调用step函数，这个过程是封闭的，就很爆炸。有点两耳不闻窗外事的感觉，容易撞到别的agent。

• 正在追寻dolce
• 2 年，5 月前
• 2021年11月20日 16:43
• 卡主

学长的 map_generation：空格是 floor，- 是 grid

• 1
• 4条 1页

作者的近日打卡

• 加油，今天是戒断第四天。 - 如题。...
• 2 年，5 月前发布

• 今天是戒断第三天 - 7节课，然后要做工作。嗯。 课上时间高效利用，做一些课内的事情吧。课外时间，参与工作。 ...
• 2 年，5 月前发布

• 今天是戒断第二天 - 现在的思路： - 初始化：模式，训练模式中随机生成地图+起始点，test模式中给定地图+起始点...
• 2 年，5 月前发布

• 今天是戒断第一天 - 昨天晚上摸鱼…… 现在思路有点乱诶，整理一下思路。 ---- 首先，我要干的事情是...
• 2 年，5 月前发布

• 今天是戒断第三天 - 如题如题。吐槽某个di课像无底洞一样，糊完一个作业就又出现一个，现在还落了两节课没有听录屏…… ...
• 2 年，5 月前发布