Off-policy metody aktor–krytyk dla akcji ciągłych z deterministycznym aktorem; TD3 dodaje poprawki ograniczające przeszacowanie wartości w DDPG.
Off-policy actor–critic methods for continuous actions with a deterministic actor; TD3 adds fixes that curb DDPG's value overestimation.
Metoda uczenia płynnego sterowania, w której program od razu wskazuje jedną konkretną wartość, np. jak mocno skręcić kierownicą.
A method for learning smooth control where the program names one exact value right away, such as how far to turn a wheel.
Przy płynnym sterowaniu nie da się sprawdzić wszystkich możliwych ruchów, a zbyt optymistyczne oceny prowadzą agenta na manowce.
In smooth control you cannot check every possible movement, and overly optimistic estimates lead the agent astray.
Jak pilot, który pyta dwóch ostrożnych doradców i słucha bardziej sceptycznego, a kurs zmienia rzadziej niż dostaje opinie.
Like a pilot who consults two cautious advisers and heeds the more sceptical one, adjusting course less often than advice arrives.
Symulowane ramię robota uczy się płynnie przesuwać kubek po stole, dobierając dokładne napięcie każdego silnika.
A simulated robot arm learns to slide a cup smoothly across a table by choosing the exact voltage for each motor.