# 離線策略學習

這是一個基於TQC算法的深度強化學習模型，專為PandaPickAndPlace-v1環境設計，用於機械臂抓取和放置任務。

這是一個基於SAC算法的強化學習模型，專為Walker2d-v3環境設計，能夠控制雙足機器人行走。

這是一個使用stable-baselines3訓練的DQN智能體模型，專門用於解決MountainCar-v0環境中的強化學習任務。

這是一個在Gym Hopper環境中使用中等表現軌跡訓練的決策變換器模型，適用於連續控制任務。

這是一個基於決策變換器架構的強化學習模型，專門針對Gym HalfCheetah連續控制環境訓練，使用中等質量軌跡數據進行訓練。