随机策略的内积正则化
迄今为止，内积正则化主要用于将状态映射为单一动作的确定性策略。然而，最先进的模仿学习策略通常具有随机性。本节重点介绍高斯策略、归一化流和扩散策略。这些策略不会针对给定状态输出单一动作，而是定义依赖于状态的动作概率分布。
确定性策略将每个状态映射为一个动作。
结论
实验代码和视频可在作者的网站上获取。
常见问题
确定性策略会输出什么？ 它将给定状态映射为单一动作。
随机策略如何表示动作？ 它们定义依赖于状态的动作概率分布。
论文重点研究哪些类型的随机策略？ 高斯策略、归一化流和扩散策略。
在哪里可以获取实验代码和视频？ 可在作者的网站上获取。