广义优势估计

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

轨迹的广义优势估计。

有关更多背景信息，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。

• lmbda (标量) – 轨迹折扣。

• state_value (Tensor) – 使用 old_state 输入的价值函数结果。

• next_state_value (Tensor) – 使用 new_state 输入的价值函数结果。

• reward (Tensor) – 在环境中采取行动的奖励。

• done (Tensor) – 轨迹结束的布尔标志。

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

• time_dim (int) – 时间展开的维度。默认为 -2。

所有张量（values、reward 和 done）的形状必须为 [*Batch x TimeSteps x *F]，其中 *F 为特征维度。