來自 Harrison Kinsley（@Sentdex）的推文串

我們做了一些延伸工作。 修改 mjlab 速度演示獎勵函數以實現自訂行為真的很有成就感，因為基礎函數的學習速度似乎非常快。只需幾分鐘就能看到結果。迭代過程非常有趣。 這僅僅用了700次迭代。