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)

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: 0.99

• pred_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。