廣義優勢估計

class torchrl.objectives.value.functional.generalized_advantage_estimate(gamma: float, lmbda: float, state_value: torch.Tensor, next_state_value: torch.Tensor, reward: torch.Tensor, done: torch.Tensor, terminated: torch.Tensor | None = None, *, time_dim: int = - 2)

軌跡的廣義優勢估計。

有關更多上下文，請參閱“HIGH-DIMENSIONAL CONTINUOUS CONTROL USING GENERALIZED ADVANTAGE ESTIMATION” https://arxiv.org/pdf/1506.02438.pdf。

引數:

• gamma (標量) – 指數平均折扣因子。

• lmbda (標量) – 軌跡折扣因子。

• state_value (張量) – 使用舊狀態作為輸入的值函式結果。

• next_state_value (張量) – 使用新狀態作為輸入的值函式結果。

• reward (張量) – 在環境中採取行動獲得的獎勵。

• done (張量) – 軌跡結束的布林標誌。

• terminated (張量) – 劇集結束的布林標誌。如果未提供，預設為 done。

• time_dim (int) – 時間維度展開所在的維度。預設為 -2。

所有張量（values、reward 和 done）必須具有形狀 [*Batch x TimeSteps x *F]，其中 *F 是特徵維度。