概念Reward Shaping Invariance
奖励塑形不变性
由 Ng 等人于 1999 年证明的定理性质：若塑形奖励形如 F(s,s')=γΦ(s')−Φ(s)，则在该塑形下得到的最优策略与原始稀疏奖励问题的最优策略完全一致，即势能塑形不改变最优策略。
时间轴 (近 90 天)
10月14日
若塑形奖励形如 F(s, s') = γΦ(s') − Φ(s)，则在该塑形下得到的最优策略与原始稀疏奖励问题的最优策略完全一致。
待验证50%
由 Ng 等人于 1999 年证明的定理性质：若塑形奖励形如 F(s,s')=γΦ(s')−Φ(s)，则在该塑形下得到的最优策略与原始稀疏奖励问题的最优策略完全一致，即势能塑形不改变最优策略。
若塑形奖励形如 F(s, s') = γΦ(s') − Φ(s)，则在该塑形下得到的最优策略与原始稀疏奖励问题的最优策略完全一致。