我有兴趣构建一个（深度）RL 代理来解决一个连续的问题（它将某些东西分成几部分）。

在我到目前为止看到的所有例子中，例如，解决连续月球着陆器，总是$\tanh$使用了输出层激活，它产生的值介于$-1$和$+1$.

这仅仅是因为它适合用例还是这是具有连续动作空间的 RL 代理的一般规则？

如果我只想要之间的值怎么办$0$和$1$? 我可以简单地使用一个$\operatorname{softmax}$激活我的输出层？