Aprendizaje por refuerzo
September 3, 2026
Gradientes de política, PPO y SAC: control continuo estable para robots
Los gradientes de política actualizan directamente una política para que la dirección, el empuje y el par articular se mantengan continuos. Este artículo relaciona Actor-Crítico, PPO y SAC, y luego aborda el recorte, la regularización de entropía, la evaluación y el límite de seguridad para la transferencia de simulación a la realidad.
Fundamentals · 7 min de lectura
