ubuntu18.04配置mujoco ubuntu18.04配置mujoco 流程 安装mujoco 下载mujoco，解压到~/.mujoco路径下 下载mjkey.txt，分别存放到~/.mujoco/mjkey.txt和~/.mujoco/mujoco200/bin/mjkey.txt 修改.bashrc文件，添加环境变量 1234567# MUJOCO200 STARTexport MUJOCO_PATH=$HOME/.mu 2025-03-15 工程技术 env RL
The Primacy Bias in Deep Reinforcement Learning The Primacy Bias in Deep Reinforcement Learning 原文：The Primacy Bias in Deep Reinforcement Learning 深度强化学习存在一种普遍缺陷——倾向于依赖早期的交互，而忽略后来遇到的有用证据（现象背后就是模型可塑性的丧失） 文章将这种现象用描述为primacy bias（首因效应。来自认知科学。感觉翻译成先入为 2025-02-22 论文笔记 DRL
SimBa - Simplicity Bias for Scaling Up Parameters in Deep Reinforcement Learning SimBa: Simplicity Bias for Scaling Up Parameters in Deep Reinforcement Learning 原文：SimBa: Simplicity Bias for Scaling Up Parameters in Deep Reinforcement Learning 在DRL领域，如何设计网络使其能够从扩展参数量获益，出发点依然是“如何将 2025-02-19 论文笔记 DRL
Streaming-DRL Streaming-DRL 原文：Streaming Deep Reinforcement Learning Finally Works 摘要：流式学习(streaming learning)，使用最新样本，不做存储。适用于资源有限，通信受限，隐私敏感的场景。深度学习采用批量学习和经验回放，样本利用率高。相比之下，流式学习有一个更致命的问题——流式障碍(stream barrier)，即学习不稳 2025-02-19 论文笔记 Streaming-DRL
The Dormant Neuron Phenomenon in Deep Reinforcement Learning The Dormant Neuron Phenomenon in Deep Reinforcement Learning 原文：The Dormant Neuron Phenomenon in Deep Reinforcement Learning 当前的训练技术，并不能够充分发挥网络的能力。 这篇工作介绍了DRL领域的一种现象——模型随着训练丧失拟合能力。 这同休眠神经元现象(dormant 2025-02-18 论文笔记 DRL
torch节省显存方法 torch节省显存方法 手动删除变量 12del vartorch.cuda.empty_cache() 禁止自动梯度计算 自动梯度计算似乎还挺占显存的，不需要的情况下最好关掉 12with torch.no_grad(): tensor1 = tensor2 @ tensor3 降低数据精度 修改精度时不要用tensor.float()，tensor.int()这种语法，因为不清楚具 2025-01-12 工程技术 深度学习 torch
TRPO论文笔记 TRPO论文笔记 摘要：一种策略改进过程，保证单调改进。通过对理论进行几次近似，开发了TRPO算法。该算法类似于自然梯度策略（natural policy gradient）方法。尽管近似值与理论有所偏差，但它往往能够实现单调改进，几乎不用调超参。 背景 大多数策略优化算法可以分为三类：1）策略迭代方法（policy iteration methods），即基于值函数的方法；2）策略梯度方法（ 2025-01-09 MARL MARL 论文笔记
GRF环境配置 GRF环境配置 源代码仓 https://github.com/google-research/football 安装依赖 12345sudo apt-get install git cmake build-essential libgl1-mesa-dev libsdl2-dev \libsdl2-image-dev libsdl2-ttf-dev libsdl2-gfx-dev libbo 2024-11-12 MARL MARL env
pymarl源码解读 pymarl源码解读 源代码仓 https://github.com/oxwhirl/pymarl 实现算法： QMIX: QMIX: Monotonic Value Function Factorisation for Deep Multi-Agent Reinforcement Learning COMA: Counterfactual Multi-Agent Policy Gradie 2024-11-11 MARL MARL env