drlnd_continuous_control:Udacity深度强化学习纳米学位。 项目二

项目2：连续控制 介绍 对于此项目，您将使用环境。 在这种环境下，双臂可以移动到目标位置。 对于代理人的手在目标位置中的每一步，将提供+0.1的奖励。 因此，座席的目标是在尽可能多的时间步长中保持其在目标位置的位置。 观察空间由33个变量组成，分别对应于手臂的位置，旋转，速度和角速度。 每个动作是一个带有四个数字的矢量，对应于适用于两个关节的扭矩。 动作向量中的每个条目都应为-1和1之间的数字。 分布式培训 对于此项目，它们提供了两个单独的Unity环境版本： 第一个版本包含一个代理。 第二个版本包含20个相同的代理，每个代理都有自己的环境副本。 我选择了第二个选项 第二个版本对于 ， 和类的算法很有用，这些算法使用同一代理的多个（非交互，并行）副本来分发收集经验的任务。 选项2：解决第二个版本 考虑到许多代理的存在，解决第二版环境的障碍略有不同。 特别是，您的特工必须获得+30