策略熵指标： 对于随机性策略（PPO等）可以用策略熵来表示策略是否“确定”。在训练过程中随着策略提升，策略变得越来越确定，此时熵应该是随着逐渐降低的，熵曲线趋于平缓。
loss指标: 这是DL中的直观指标，虽然不能直接用在DRL来说明策略好坏，但loss是在一直下降还是已经趋于平缓了，可以一定程度上说明网络模型的学习程度，看模型是“学会了”还是“学废了”，趋于平缓可能就是已经训练差不多了，当然“训练差不多”不代表“策略最优”，有些可能loss还在掉，但是策略表现改进不大一直很差（即时已经训练很久）。
reward指标: 这是一个比较直观的指标，但是需要定义清楚是否能直接反应我们策略好坏。reward大多是对于状态之间转移的即时奖励，和整个决策规划的好坏不能直接等价。以下以“DRL用于agent决策导航”为例，我们目标是在最短时间到达目标点同时避障。
