[問題] 請問有人能用policy gradient的方法(vani

[yuwenche (yuwenche)]

請問有人能用policy gradient的方法(vanilla, TRPO, PPO等)成功解決"MountainCar-v0"
問題嗎? 或這問題只能用value learning methods(DQN,DRQN,GAIL等)才能解出?

--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 114.25.114.162 (臺灣)
※ 文章網址: https://www.ptt.cc/bbs/DataScience/M.1630631046.A.69E.html
→ kriswu8021: 這次有獎金嗎？xD
→ yuwenche: 是用TRPO解嗎?