我正在尝试使用稳定的基线训练强化学习模型以避免碰撞。我正在使用自定义策略网络。我已经训练了几个模型，它们已经收敛到一个稳定的奖励，但似乎该策略是输入（观察空间）独立的，这意味着无论它得到什么观察，它都会采取固定的行动。我需要调试这个问题，我想检查策略网络参数的变化可能会有所帮助。有谁知道我如何调试问题或如何检查自定义策略参数的变化？
我正在尝试使用稳定的基线训练强化学习模型以避免碰撞。我正在使用自定义策略网络。我已经训练了几个模型，它们已经收敛到一个稳定的奖励，但似乎该策略是输入（观察空间）独立的，这意味着无论它得到什么观察，它都会采取固定的行动。我需要调试这个问题，我想检查策略网络参数的变化可能会有所帮助。有谁知道我如何调试问题或如何检查自定义策略参数的变化？