ray.rllib.utils.exploration.curiosity.Curiosity.后处理轨迹

Curiosity.postprocess_trajectory(policy, sample_batch, tf_sess=None)

计算phi值（obs、obs’和预测的obs’）以及ri。

还计算正向和反向损失，并使用我们的优化器在提供的批次上更新好奇心模块。