项目1：导航 介绍 这是我为Udacity的“深度强化学习纳米学位”所做的第一个项目，在该项目中，我训练了一个特工来导航一个世界，收集黄色而不是蓝色的香蕉。 这是Udacity对项目环境的描述： 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：