vec_td1_return_estimate

class torchrl.objectives.value.functional.vec_td1_return_estimate(gamma, next_state_value, reward, done: Tensor, terminated: torch.Tensor | None = None, rolling_gamma: Optional[bool] = None, time_dim: int = - 2)

向量化 TD(1) 回報估計。

參數:

• gamma (純量, Tensor) – 指數平均折扣。 如果是張量值，

• next_state_value (Tensor) – 具有 new_state 輸入的值函數結果。

• reward (Tensor) – 在環境中採取動作的回報。

• done (Tensor) – 軌跡結束的布林標誌。

• terminated (Tensor) – episode 結束的布林標誌。如果未提供，則預設為 done。

• rolling_gamma (bool, optional) –

  如果 True，則假定如果 gamma 張量，則每個 gamma 都與單個事件綁定

  gamma = [g1, g2, g3, g4] value = [v1, v2, v3, v4] return = [

  v1 + g1 v2 + g1 g2 v3 + g1 g2 g3 v4, v2 + g2 v3 + g2 g3 v4, v3 + g3 v4, v4,

  ]

  如果為 False，則假定每個 gamma 都與即將到來的軌跡相關聯

  gamma = [g1, g2, g3, g4] value = [v1, v2, v3, v4] return = [

  v1 + g1 v2 + g1**2 v3 + g**3 v4, v2 + g2 v3 + g2**2 v4, v3 + g3 v4, v4,

  ]

  預設值為 True。

• time_dim (int) – 時間展開的維度。預設值為 -2。

所有張量（值、reward 和 done）的形狀都必須為 [*Batch x TimeSteps x *F]，其中 *F 為特徵維度。