如何解决了解强化学习中的奖励功能atari breakout
我正在尝试了解 Deepmind 实现的 Breakout atari 中的奖励功能。我对奖励有点困惑。它们使用四帧表示每个状态，并且根据每个动作的奖励将在四帧后收到。我的问题是，如果球被卡住了怎么办，它在那里获得了很多奖励，如何确定获得奖励的相同动作是导致更多奖励的原因？
我正在谈论的案例：
版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 dio@foxmail.com 举报，一经查实，本站将立刻删除。
