和紅蓮受身5完全相同場景採用SAC訓(xùn)練
訓(xùn)練結(jié)果大相逕庭
是一個喜歡靜止站立的紅蓮
另外視線角度會喬得很準(zhǔn)
但基本上不移動，不知道在其成長過程中到底發(fā)生了什麼
由於電腦變好現(xiàn)在訓(xùn)練進(jìn)度飛快，女兒一下就長大了，總是不知不覺錯過女兒的成長過程
但可以得證PPO和SAC可以在同問題有完全不同的發(fā)展傾向與結(jié)果，但由於Obersevation和Action相同，所以根據(jù)情況可以應(yīng)用在Model切換
下個實驗將在紅蓮受身5的成果上進(jìn)行
Force Sharping
