[DRL] 从 TRPO 到 PPO（PPO-penalty，PPO-clip）

[视频作者] 五道口纳什

[视频时长] 12:32

[视频类型] 计算机技术

本期 code：https://github.com/chunhuizhang/personal_chatgpt/blob/main/tutorials/drl/policy_based/pg_trpo_ppo.ipynb 从策略梯度到 TRPO：https://www.bilibili.com/video/BV1hD421K7gG/ 重要性采样（off-policy => on-policy）：https://www.bilibili.com/video/BV1Vr421u7Qz/