正在加载...
请使用更现代的浏览器并启用 JavaScript 以获得最佳浏览体验。
加载论坛时出错，请强制刷新页面重试。
PPO做一个小车避障寻路，为什么reward和loss一直不收敛？
gkw521
做的是离散动作，用了5个激光测距传感器
三个全连接，分别是256 128 64
奖励曲线没有明显提升，是哪里出了问题呢？
Document
