我正在研究 POMDP 文件格式并放弃这个和许多其他链接。我已经理解了一切，但我无法理解文件第二行中的值代表什么。它的值是奖励或成本。在别处找不到答案。感到困惑，因为在一份文件中应该可以有成本和回报，不是吗？。为什么我必须指定其中之一？在文件的其余部分也没有地方没有使用该值。
在 POMDP 中，您可以使用奖励或成本来定义学习目标。唯一的区别是，在第一种情况下，您尝试最大化价值函数，而对于成本，您尝试最小化价值函数。
在POMDP 文件中，您可以定义使用哪一个：
values: [ reward, cost ]
当求解器读取POMDP 文件时，它将解释定义R:为奖励或成本的值。
本文收集自互联网，转载请注明来源。
如有侵权，请联系[email protected] 删除。
我来说两句