广义优势估计

class torchrl.objectives.value.functional.generalized_advantage_estimate(gamma: float, lmbda: float, state_value: torch.Tensor, next_state_value: torch.Tensor, reward: torch.Tensor, done: torch.Tensor, terminated: torch.Tensor | None = None, *, time_dim: int = - 2)

轨迹的广义优势估计。

有关更多上下文，请参阅“HIGH-DIMENSIONAL CONTINUOUS CONTROL USING GENERALIZED ADVANTAGE ESTIMATION” https://arxiv.org/pdf/1506.02438.pdf。

参数:

• gamma (标量) – 指数平均折扣因子。

• lmbda (标量) – 轨迹折扣因子。

• state_value (张量) – 使用旧状态作为输入的值函数结果。

• next_state_value (张量) – 使用新状态作为输入的值函数结果。

• reward (张量) – 在环境中采取行动获得的奖励。

• done (张量) – 轨迹结束的布尔标志。

• terminated (张量) – 剧集结束的布尔标志。如果未提供，默认为 done。

• time_dim (int) – 时间维度展开所在的维度。默认为 -2。

所有张量（values、reward 和 done）必须具有形状 [*Batch x TimeSteps x *F]，其中 *F 是特征维度。