目标条件 RL 与 HER
目标条件策略 用一个网络解决一族任务；事后经验回放（HER）把未达成目标的轨迹重新标注为达成了实际到达的状态，把稀疏奖励变稠密。本章讲 HER 的实现与目标采样策略，以及目标条件价值函数与距离学习的联系。
- HER 是稀疏奖励机械臂任务的标准解法
- 目标表示（状态/图像/语言）决定泛化
- 与第六卷目标导向探索衔接
目标条件策略 用一个网络解决一族任务；事后经验回放（HER）把未达成目标的轨迹重新标注为达成了实际到达的状态，把稀疏奖励变稠密。本章讲 HER 的实现与目标采样策略，以及目标条件价值函数与距离学习的联系。