#策略梯度 (1)

基于随机解耦策略梯度的高效视觉强化学习

SDPG 用同一名义轨迹周围的随机动作扰动估计平滑策略梯度，只批量渲染少量名义环境，并用大量无渲染物理环境计算回报差。论文在视觉 MuJoCo 与多类机器人任务上实现单张 RTX 4080 的端到端训练，并在 Unitree Go2 上验证零样本 sim-to-real 迁移。