机器人控制主力：SAC 全解
🔥RL 面试：机器人控制主力 SAC

连续控制的首选算法，SAC 是 RL 进阶必考，6 张卡讲透👇
🔹 最大熵：目标 = 奖励 + α·策略熵，能赢的前提下越随机越好，探索足、更鲁棒。
🔹 双 Q 网络：取较小值治 Q 值过估计（同 TD3）。
🔹 自动温度 α：熵约束当优化目标，探索-利用自动平衡免手调。
🔹 选型：真机采样贵用 SAC（off-policy 高效），仿真便宜要简单用 PPO。
记住：能赢还要会浪，路子野才学得全💪
强化学习 大模型面试 SAC 最大熵 连续控制 算法工程师 人工智能