文档摘要

7.2 可微分仿真与梯度策略学习 本节摘要：3.1 说过运动方程光滑可微，本节兑现这句话的工程含义：把引擎的推演过程纳入自动微分计算图，损失函数对模型参数、控制输入的梯度可以沿仿真轨迹反传回来。梯度给了「用导数优化物理系统」的能力——系统辨识、控制器参数整定、短时域策略学习都有它的位置；但接触的不连续会让梯度在关键处断裂或失真，知道梯度在哪里可信、在哪里该停手，是这一节真正要交的东西。 上一节是「物理被批量执行」，本节是「物理被求导」。 会员。《7.2 可微分仿真与梯度策略学习》收录于灏天文库文集《MuJoCo物理引擎》，原作者/来源：灏天文库，整理自「灏天文库」，提供技术教程、实践指南与问题解决方案，支持在线阅读、全文检索与知识沉淀，助力开发者系统化学习。本站整理收录，版权归原作者/开源协议所有。

该文档为会员专享，请先登录或注册后再查看

登录 注册

---

作者与出处

原作者： 灏天文库

来源：灏天文库

原文： https://aiknowledge.cn/collection/760-mujoco%E7%89%A9%E7%90%86%E5%BC%95%E6%93%8E

整理： 灏天文库整理

由灏天文库平台收录，内容或由平台用户上传，仅供学习交流