Pembelajaran penguatan
September 3, 2026
Gradien Kebijakan, PPO, dan SAC — Kontrol Kontinu Stabil untuk Robot
Gradien kebijakan memperbarui kebijakan secara langsung sehingga kemudi, daya dorong, dan torsi sendi dapat tetap kontinu. Artikel ini menghubungkan Actor-Critic, PPO, dan SAC, kemudian membahas pemotongan (clipping), regularisasi entropi, evaluasi, dan batas keamanan untuk transfer Sim-to-Real.
Fundamentals · 5 menit baca
