网球俱乐部

DRL-网球统一 项目详情 这是Udacity深度强化学习纳米学位的最终项目。 在这种环境下，两名特工控制球拍在球网上弹跳球。 如果探员将球击中网，则得到+0.1的奖励。 如果探员让一个球击中地面或将球击出界外，则其获得的奖励为-0.01。 因此，每个特工的目标是保持比赛中的球权。 观察空间由8个变量组成，分别对应于球和球拍的位置和速度。 每个代理都会收到自己的本地观察结果。 有两个连续的动作可用，分别对应于朝向（或远离）网络的运动和跳跃。 该任务是情节性的，并且为了解决环境，您的特工必须获得+0.5的平均分数（在连续两次情节达到最高分后，在两个特工中均取得了最高分） 这些是此Unity环境的一些细节： INFO:unityagents: 'Academy' started successfully! Unity Academy name: Academy Numb