關於更高的觀察項Stacked Vector是否能給予紅蓮人偶新的訓練方案，尤其是否能達成蹲低跳高或多任務的行為模式，大致有了結論
PPO:
目前研究結果可以認為，只要無法被Localized和Gait，PPO訓練就幾乎肯定會以失敗告終
因此如果將觀察項Stacked調高，原本可以成功的PPO訓練反而會失敗，因為當成功的過程其實可以完全不同，有很多可能性 (例如起身的方式)，PPO反而無法建立Localized
在Stacked=1的時候，紅蓮人偶等同只觀察當下，因此可以和之前或之後的當下形成Gait
可以認為能將多元的當下，連結與收斂到單一的Gait，例如PPO訓練成功的KSL，總會藉由翻身到背面再由尾巴支撐來起身
但當Stacked=10的時候，紅蓮人偶等同能夠觀察到過程，因此就算當下相同，但不同的過程會導致PPO認為這是不一樣的現狀，導致難以形成Gait
驗證方式是當以完全隨機的方式，擊飛Stacked=10的KSL，KSL最終會以一個幾乎不動的方式擺爛
但如果只以單一方式擊飛stacked=10的KSL，KSL則學會了後手翻這種高等行為模式
但也因此導出一個結論，一個PPO只能展現一種Gait，只要無法被Localized和Gait，PPO訓練就幾乎肯定會以失敗告終
SAC:
目前研究結果可以認為，更高的Stacked可以大幅優化ML的表現
在Stacked=1的時候，訓練出的人偶都無法展現很好的連續動作，幾乎所有由SAC訓練的紅蓮人偶都以失敗告終
但在Stacked=10的時候，KSL展現了多元的起身方式
因此可以認為能觀察到「更完整的過程」反而讓SAC能夠更好的判斷一個動作對於結果的有效性
