ＳＴＭ和非对称ａｃｔｏｒ ｃｒｉｔｉｃ网络的改进ＤＤＰＧ算法。该算法在ａｃｔｏｒ ｃｒｉｔｉｃ网络结构中引入ＬＳＴＭ结构，通过记忆推理来学习部分可观测马尔可夫状态中的隐藏状态，同时在ａｃｔｏｒ网络只使用ＲＧＢ图像作为部分可观测输入的情况下，ｃｒｉｔｉｃ网络利用仿真环 境的完全状态进行训练构成非对称网络，...