vec_td1_return_estimate

class torchrl.objectives.value.functional.vec_td1_return_estimate(gamma, next_state_value, reward, done: torch.Tensor, terminated: torch.Tensor | None = None, rolling_gamma: Optional[bool] = None, time_dim: int = - 2)

矢量化 TD(1) 返回估计。

参数：:

• **gamma** (标量, 张量) – 指数平均折扣。如果为张量值，则

• **next_state_value** (张量) – 使用 new_state 输入的值函数结果。

• **reward** (张量) – 在环境中执行动作的奖励。

• **done** (张量) – 轨迹结束的布尔标志。

• **terminated** (张量) – 集束结束的布尔标志。如果没有提供，则默认为 done。

• **rolling_gamma** (bool, 可选) –

  如果为 True，则假定每个 gamma（如果 gamma 为张量）都与单个事件绑定

  gamma = [g1, g2, g3, g4] value = [v1, v2, v3, v4] return = [

  v1 + g1 v2 + g1 g2 v3 + g1 g2 g3 v4, v2 + g2 v3 + g2 g3 v4, v3 + g3 v4, v4,

  ]

  如果为 False，则假定每个 gamma 都与即将到来的轨迹绑定

  gamma = [g1, g2, g3, g4] value = [v1, v2, v3, v4] return = [

  v1 + g1 v2 + g1**2 v3 + g**3 v4, v2 + g2 v3 + g2**2 v4, v3 + g3 v4, v4,

  ]

  默认值为 True。

• **time_dim** (int) – 展开时间所在的维度。默认为 -2。

所有张量（值、奖励和完成）必须具有形状 [*Batch x TimeSteps x *F]，其中 *F 为特征维度。