來自 Harrison Kinsley（@Sentdex）的推文串

Geoff 駕駛 G1 準備進行現實中的越野活動。 我在這裡的獎勵機制設計得很糟糕，實際上我只是想看看所有出錯的地方，結果卻發現了一個相當不錯的模型。 這些機器人只是想學習。