Planowanie ruchu robota bez jednej próby w realu. Ten model nie potrzebuje szumu
Uczenie przez wzmacnianie offline zawsze miało problem z danymi dyskretnymi i ciągłymi w jednym worku. Modele dyfuzyjne radzą sobie z ciągłymi, ale przy dyskretnych wymagają sztuczek. Nowa praca Killingberga i Langsetha omija ten problem w…
