#Entropy

策略梯度、PPO 和 SAC——机器人稳定连续控制

策略梯度直接更新策略，从而保持转向、推力和关节扭矩的连续性。本文将Actor-Critic算法、PPO算法和SAC算法联系起来，然后讨论裁剪、熵正则化、评估以及仿真到实测迁移的安全边界。