强化学习入门

RL学习路径

理解DQN原理

理解 标准版的策略梯度算法(Vanilla Policy Gradient)

模仿学习实践

Actor-Critic原理

从大模型机器人到imitation Learning与diffusion policy、ACT(Action Chunking with Transformers)的关系

大模型与机器人

tmp:

强化学习中的优势函数（Advantage Function）-CSDN博客

https://zhuanlan.zhihu.com/p/110881517

【强化学习】策略梯度（Policy Gradient，PG）算法_pg算法-CSDN博客

策略梯度算法（Policy Gradient）逐行代码详解_策略梯度 代码详解-CSDN博客