标签：Based Network free planning value policy based model Model

发表时间：2018（ICRA 2018）
文章要点：这篇文章提出了一个叫model-based and model-free (Mb-Mf)的算法，先用model based的方法训一个policy，再用model free的方法来fine tune。具体的，先学一个model，然后用planning的方式（simple random sampling shooting method）选择动作

这相当于有了一个Model-Based Control。然后用这个方式收集数据，拟合成一个策略网络作为model free的初始化策略（using the model-based learner to initialize a model-free learner.）

然后用model free的方法继续训这个policy（TRPO）。
总结：是个make sense的方法，就是阶段有点多，先要收集样本学model（random trajectories），然后根据model做planning收集planning策略下的数据，然后拟合一个policy网络，最后用model free的方法继续训练。感觉挺麻烦的。
疑问：里面这个文章说选TRPO的原因是他不需要初始化value function，难道做连续控制的时候不去拟合value network吗，可能有会更好吧？（such policy gradient algorithms are a good choice for model-free fine-tuning since they do not require any critic or value function for initialization）

标签：Based,Network,free,planning,value,policy,based,model,Model
来源： https://www.cnblogs.com/initial-h/p/15988970.html

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。