Reinforcement
Reinforcement Schedules
Decision Making: P-value Method
Avoidance Learning and Learned Helplessness
Operant Conditioning Intervention
Observational Learning
您也可能阅读
通过共同作者、期刊和引用图与本文相关的文章。
本研究介绍了游戏理论约束政策优化 (GCPO),一种新的安全强化学习 (RL) 方法. GCPO有效地处理多个目标,避免梯度冲突,在复杂的机器人任务中表现优于现有的算法.
科学领域:
背景情况:
研究的目的:
主要方法:
主要成果:
结论: