TBTCL 框架用 Temporal Behavior Trees 统一强化学习的规格、奖励与课程设计
用行为树一个东西同时搞定任务描述、稠密奖励、课程和策略诊断，不用再在 LTL 和奖励函数之间来回翻译。做机器人 RL 或形式化方法的可以看看论文里的课程 DAG 提取算法，6 个规格的实验覆盖了离散和连续环境。
用行为树一个东西同时搞定任务描述、稠密奖励、课程和策略诊断，不用再在 LTL 和奖励函数之间来回翻译。做机器人 RL 或形式化方法的可以看看论文里的课程 DAG 提取算法，6 个规格的实验覆盖了离散和连续环境。