标签:

• 深度强化学习
• 强化学习
• 决策变换器
• 健身房连续控制

管道标签: 强化学习

基于Gym Walker2d环境专家轨迹训练的决策变换器模型

这是一个经过训练的决策变换器模型，其训练数据来源于Gym Walker2d环境中采样的专家轨迹。

使用该模型需要以下标准化系数：

均值 = [ 1.2384834e+00, 1.9578537e-01, -1.0475016e-01, -1.8579608e-01, 2.3003316e-01, 2.2800924e-02, -3.7383768e-01, 3.3779100e-01, 3.9250960e+00, -4.7428459e-03, 2.5267061e-02, -3.9287535e-03, -1.7367510e-02, -4.8212224e-01, 3.5432147e-04, -3.7124525e-03, 2.6285544e-03]

标准差 = [0.06664903, 0.16980624, 0.17309439, 0.21843709, 0.74599105, 0.02410989, 0.3729872, 0.6226182, 0.9708009, 0.72936815, 1.504065, 2.495893, 3.511518, 5.3656907, 0.79503316, 4.317483, 6.1784487]

使用方法请参阅我们的博客文章、Colab笔记本或示例脚本。