语言
AI 實驗室 · 強化學習 · 可打分
調接到/漏接/移動的獎勵,訓練板子學會接球。
經典接球:球從上方掉下,板子左右移動去接。 你調「接到獎勵 / 漏接懲罰 / 移動成本」與學習參數,訓練後測接球率。 ≥ 55% 過關。若漏接也給正分,代理人會偷懶不接。