标签:

• 深度强化学习
• 强化学习
• 决策变换器
• 健身房连续控制

流水线标签: 强化学习

基于Gym HalfCheetah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，其训练数据来自Gym HalfCheetah环境中采样的专家轨迹。

使用该模型需要以下归一化系数：

均值 = [ -0.04489148, 0.03232588, 0.06034835, -0.17081226, -0.19480659, -0.05751596, 0.09701628, 0.03239211, 11.047426, -0.07997331, -0.32363534, 0.36297753, 0.42322603, 0.40836546, 1.1085187, -0.4874403, -0.0737481 ]

标准差 = [0.04002118, 0.4107858, 0.54217845, 0.41522816, 0.23796624, 0.62036866, 0.30100912, 0.21737163, 2.2105937, 0.572586, 1.7255033, 11.844218, 12.06324, 7.0495934, 13.499867, 7.195647, 5.0264325]

使用方法请参阅我们的博客文章、Colab笔记本或示例脚本。