來自 Harrison Kinsley（@Sentdex）的推文串

這是一個垂直整合的端到端深度神經網絡，可即時執行前向推理，控制單一致動器的扭矩輸出，以在不利、GPS 受限的環境中產生雙足步態。 好的，這是標準的 PPO rl，在 mjlab 接受過訓練，被綁在拖拉機上。