怎样评价OpenAI提出的从失败中学习的强化学习算法HER?

挺有意思的思路,但是需要注意应用的前提是任务能够等价于状态空间内的一个goal,并且这个goal和环境reward(如果有的话)没有耦合。对于第一点可以想见物理空间中的任务更合适,比如作者工作组处理的机械臂场景。


    推荐阅读