问题描述
我知道标准化观察状态会在强化学习Stable-baselines documentation中返回更好的结果。 但是我找不到任何理论背景来支持这一理论。我将RL应用于机器人技术的掌握。我接收原始深度传感器值，并将其输入到一系列卷积层中，最后接收512维输出。如果不对该输出进行标准化，则代理不会学习工作策略。但是通过应用规范化，它可以以某种方式获得更好的性能。我不是在寻找完整的数学证明。相反，逻辑上的解释就足够了。
解决方法
暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！
如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。
小编邮箱:dio#foxmail.com (将#修改为@）