技术
TD3（双延迟深度确定性策略梯度）
TD3（双延迟深度确定性策略梯度）是一种用于连续控制任务的深度强化学习算法，解决DDPG中Q值高估和训练不稳定的问题。典型应用于机器人控制、自动驾驶，代表工作为论文《Addressing Function Approximation Error in Actor-Critic Methods》。
详细解释
TD3是DDPG的改进版，引入三项关键技术：1）双Critic网络，取较小Q值作为目标，缓解高估；2）延迟策略更新，每两次Critic更新才更新一次Actor；3）目标策略平滑，在目标动作上添加噪声，防止过拟合。这些改进显著提升了稳定性和性能。TD3在MuJoCo基准任务上表现优于DDPG和PPO。
别名与相关写法
td3