连续控制 项目2:训练深度确定性策略梯度-DDPG代理将双臂移动到目标位置。 1.环境 在这个项目中,我使用了从Unity ML-Agents工具箱改编而来的Reacher Unity环境。 此环境由Udacity提供。 与Unity环境不同,这里仅由一个双关节臂组成,而不是在Reacher Unity环境中由十个臂组成。 下面显示了一个未经训练的行动人员,其中绿色区域是目标: 1.1状态空间 状态空间具有33个尺寸,分别对应于手臂的位置,旋转,速度和角速度。 1.2行动空间 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。 1.3环境奖励 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。 该任务是情节性的,并且为了解决环境,您的特工必须在100个连续