DRLND-Navigation：基于价值的方法。 将深度学习架构应用于强化学习任务。 训练自己的代理，从感官数据导航虚拟世界

项目1：导航 介绍 对于此项目，您将训练一个代理商在一个大而方形的世界中导航（并收集香蕉！）。 提供+1的奖励以收集黄色香蕉，提供-1的奖励以收集蓝色香蕉。 因此，代理商的目标是尽可能多地收集黄色香蕉，同时避免使用蓝色香蕉。 状态空间具有37个维度，并包含主体的速度以及围绕主体前进方向的对象的基于射线的感知。 有了这些信息，代理必须学习如何最好地选择动作。 提供了四个离散操作，分别对应于： 0前进。 1向后移动。 2向左转。 3向右转。 该任务是情节性的，并且为了解决环境，您的代理必须在100个连续情节中平均得分为+13。 入门 从下面的链接之一下载环境。 您只需要选择与您的操作系统匹配的环境： Linux： Mac OSX： Windows（32位）： Windows（64位）： （对于Windows用户）如果需要帮助来确定您的计算机运行的是Windows操作系统的3