温馨提示：您尚未登录，请点 登陆 后下载，如果您还没有账户请点 注册 ，登陆完成后，请刷新本页查看技术详细信息。

本发明提供一种基于时间反演对称性的离线强化学习方法及装置，其中的方法包括：获取当前时刻状态，并将当前时刻状态编码为当前时刻状态的低维表示；基于预先训练的策略网络，根据当前时刻状态的低维表示，预测下一时刻状态的低维表示；基于预先训练的逆动力学...
该专利属于清华大学所有，仅供学习研究参考，未经过清华大学授权不得商用。

详细技术文档下载地址

温馨提示：您尚未登录，请点 登陆 后下载，如果您还没有账户请点 注册 ，登陆完成后，请刷新本页查看技术详细信息。