RL 基础 | 如何复现 PPO，以及一些踩坑经历

2024-12-24 分类：技术专栏 阅读(9) 评论(0)

这里跑的环境是 Empty-5×5 和 8×8，都是简单环境，主要验证 PPO 实现是否正确。