来自 Harrison Kinsley（@Sentdex）的推文线程

我们做了一些延伸工作。 修改 mjlab 速度演示奖励函数以实现自定义行为真的很有成就感，因为基础函数的学习速度似乎非常快。只需几分钟就能看到结果。迭代过程非常有趣。 这仅仅用了700次迭代。