训练机器人控制策略
教材《人工智能导论》7.2.3 / 内部第5点 · 已审核
通俗解释
在强化学习中，奖励函数的设计直接决定了智能体学到的行为—它就像给机器人的每一步打分，分数高的行为会被强化，分数低的则被抑制。 好的奖励函数应当明确传达任务目标，同时避免奖励稀疏导致训练困难。
例子
让小车朝目标移动获得奖励，同时对碰撞等危险行为施加惩罚。
容易混淆
训练回报升高不一定意味着安全行为，需检查奖励投机和轨迹。
检查理解
用自己的话解释“训练机器人控制策略”在“强化学习算法实践”中的作用，并举出教材中的一个例子或适用场景。对照原文检查条件、公式和图表。
查看参考答案
要点：在强化学习中，奖励函数的设计直接决定了智能体学到的行为—它就像给机器人的每一步打分，分数高的行为会被强化，分数低的则被抑制。 好的奖励函数应当明确传达任务目标，同时避免奖励稀疏导致训练困难。 示例：让小车朝目标移动获得奖励，同时对碰撞等危险行为施加惩罚。