强化学习
按时间查看全部文章 →先按理论主线理解 MDP、Bellman、价值学习与策略梯度，再进入足式任务、PPO 工程、Sim-to-Real 和论文精读。
30 篇文章 · 第 2 / 3 页
从这里开始 · 理论学习路径
强化学习理论基础
不必从时间线里找公式。用统一符号、关键推导和完整计算示例，走通“问题建模 → 价值估计 → 策略改进”。
进入理论基础 →先按理论主线理解 MDP、Bellman、价值学习与策略梯度，再进入足式任务、PPO 工程、Sim-to-Real 和论文精读。
30 篇文章 · 第 2 / 3 页
从这里开始 · 理论学习路径
不必从时间线里找公式。用统一符号、关键推导和完整计算示例，走通“问题建模 → 价值估计 → 策略改进”。
进入理论基础 →