next_state_value

class torchrl.objectives.next_state_value(tensordict: TensorDictBase, operator: TensorDictModule | None = None, next_val_key: str = 'state_action_value', gamma: float = 0.99, pred_next_val: Tensor | None = None, **kwargs)

计算下一个状态的值（不带梯度），用于计算目标值。

目标值通常用于计算距离损失（例如 MSE）。

L = Sum[ (q_value - target_value)^2 ]

目标值计算如下：

r + gamma ** n_steps_to_next * value_next_state

如果奖励是即时奖励，n_steps_to_next=1。如果使用 N 步奖励，n_steps_to_next 将从输入 tensordict 中收集。

参数:

• tensordict (TensorDictBase) – 包含奖励和完成键（以及 N 步奖励的 n_steps_to_next 键）的 Tensordict。

• operator (ProbabilisticTDModule, optional) – 值函数算子。调用时应在输入 tensordict 中写入 ‘next_val_key’ 键值。如果提供了 pred_next_val，则无需提供此参数。

• next_val_key (str, optional) – 将写入下一个值的键。默认为 ‘state_action_value’。

• gamma (float, optional) – 回报折扣率。默认为 0.99。

• pred_next_val (Tensor, optional) – 如果下一个状态值不是通过算子计算的，则可以提供。

返回:

一个与输入 tensordict 大小相同的张量，包含预测的值状态。