动作映射：tanh 之后还有一步RL2026年7月1日·3 分钟阅读动作映射：tanh 之后还有一步策略输出 [-1,1] 要线性映射到关节力矩/速度物理限位；scale 错等于隐式改 reward 和动力学。#强化学习#连续控制#动作空间READ →
