强化学习的时间行为树：奖励、课程和诊断的规范

原文：Temporal Behavior Trees for Reinforcement Learning: Specifications as Rewards, Curricula, and Diagnostics

根据形式规范进行的强化学习通常将任务定义、奖励塑造、课程设计和政策诊断分离为不同的数学对象。这种碎片化需要额外的转换步骤，并丢弃规范中已经存在的结构，例如子任务边界、排序约束和定量度量。我们介绍 TBTCL（时间

正文由本站服务器抓取保存（已自动过滤广告、推荐位与追踪图片），排版与原站可能不同；版权归原站所有。