חזרה לGlossary
TD3
Twin Delayed DDPG — אלגוריתם RL מחוץ-מדיניות המטפל בהטיית יתר של DDPG על ידי: (1) שימוש בשתי רשתות Q ולקיחת המינימום, (2) עיכוב עדכוני מדיניות ביחס לעדכוני רשת Q, ו-(3) הוספת רעש מדיניות יעד מוחלק. TD3 יציב יותר מ-DDPG והוא קו בסיס סטנדרטי למשימות לימוד רובוט בשליטה רציפה.