项目2：连续控制 介绍 对于此项目，您将使用环境。 在这种环境下，双臂可以移动到目标位置。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。 观察空间由33个变量组成，分别对应于手臂的位置，旋转，速度和角速度。每个动作是具有四个数字的向量，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。 为了解决环境问题，特工必须在所有20个特工中连续100次获得平均+30的分数。 环境概要 设置：可移动到目标位置