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