项目1:导航 介绍 这是我为Udacity的“深度强化学习纳米学位”所做的第一个项目,在该项目中,我训练了一个特工来导航一个世界,收集黄色而不是蓝色的香蕉。 这是Udacity对项目环境的描述: 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