返回Glossary
PPO
近端策略优化——一种策略梯度强化学习算法，使用裁剪代理目标将策略更新限制在信任域内。PPO 是机器人运动（腿式机器人、人形机器人）和仿真到现实转移的默认强化学习算法，因其稳定性、简洁性和样本效率。它在不需要 TRPO 约束优化计算成本的情况下平衡探索和利用。
近端策略优化——一种策略梯度强化学习算法，使用裁剪代理目标将策略更新限制在信任域内。PPO 是机器人运动（腿式机器人、人形机器人）和仿真到现实转移的默认强化学习算法，因其稳定性、简洁性和样本效率。它在不需要 TRPO 约束优化计算成本的情况下平衡探索和利用。