基于深度强化学习的轮式机器人斜坡地面动态路径规划研究

训练曲线目标网络损耗函数。每个点是每十epoch所达到的平均损失函数值。y轴为损失函数值，x轴为迭代历元。(a)培训的初始阶段。(b)训练的衔接阶段。