next_state_value¶
- 类 torchrl.objectives.next_state_value(tensordict: TensorDictBase, operator: Optional[TensorDictModule] = None, next_val_key: str = 'state_action_value', gamma: float = 0.99, pred_next_val: Optional[Tensor] = None, **kwargs)[source]¶
计算下一个状态值(无梯度)以计算目标值。
- 目标值通常用于计算距离损失(例如 MSE)
L = Sum[ (q_value - target_value)^2 ]
- 目标值计算如下
r + gamma ** n_steps_to_next * value_next_state
如果奖励是即时奖励,则 n_steps_to_next=1。如果使用 N 步奖励,则从输入的 tensordict 中收集 n_steps_to_next。
- 参数:
tensordict (TensorDictBase) – 包含 reward 和 done 键(以及 n-steps 奖励的 n_steps_to_next 键)的 Tensordict。
operator (ProbabilisticTDModule, optional) – 值函数算子。调用时应在输入的 tensordict 中写入一个 ‘next_val_key’ 键值对。如果提供了 pred_next_val,则无需提供此参数。
next_val_key (str, optional) – 将写入下一个值的键。默认值: ‘state_action_value’
gamma (
float
, optional) – 回报折扣率。默认值: 0.99pred_next_val (Tensor, optional) – 如果未使用算子计算,则可以提供下一个状态值。
- 返回值:
一个与输入的 tensordict 大小相同的 Tensor,包含预测的状态值。