Glossaryに戻る
アクション空間の正規化
ポリシーを訓練する前に、ロボットアクション値を標準範囲（通常は[-1, 1]）にスケーリングする。正規化により、すべてのアクション次元が損失関数に等しく寄与し、大きな値の次元が勾配更新を支配するのを防ぐ。逆正規化は実行時にポリシー出力を物理単位（ラジアン、メートル/秒）に変換する。
ポリシーを訓練する前に、ロボットアクション値を標準範囲（通常は[-1, 1]）にスケーリングする。正規化により、すべてのアクション次元が損失関数に等しく寄与し、大きな値の次元が勾配更新を支配するのを防ぐ。逆正規化は実行時にポリシー出力を物理単位（ラジアン、メートル/秒）に変換する。